谷歌推出Gemini Live，对抗OpenAI语音模式，争夺端侧AI霸权

AI资讯
1

原文标题：谷歌版Her抢跑！一键召唤Gemini，全球52亿终端被颠覆

原文作者：机器学习算法与Python学习

冷月清谈：

* 谷歌推出语音模型Gemini Live，可与用户进行自然对话，并与安卓、iOS设备中的应用程序无缝集成。 * 与OpenAI类似，Gemini Live支持多种声音、免提功能、打断和更改话题等功能。 * 谷歌计划将Gemini与Google应用程序和工具深度整合，从日常任务到扩展功能，全方位增强用户体验。 * 谷歌希望通过Gemini重新定义个人助理，使其更自然、直观，真正有用。 * 在Pixel 9系列手机上，Gemini与AI图像编辑能力相结合，带来更出色的拍照体验，包括「加我一个」、「重新构想」、「自动构图」和「放大增强」等功能。 * 谷歌Tensor G4处理器为Gemini和计算摄影功能提供强大动力，带来更快的网页浏览、更快的应用程序启动和更低的功耗。 * 谷歌此举表明有意与OpenAI竞争，抢占端侧AI市场份额，并重新定义智能手机的人工智能体验。

怜星夜思：

1、Gemini Live与OpenAI之间的比较？
2、Pixel 9系列手机中的AI功能有何亮点？
3、谷歌Tensor G4处理器有什么特别之处？

原文内容

图片
图片1080×421 32.9 KB
新智元报道  

谷歌版Her，抢先OpenAI登场了？谷歌语音模型Gemini Live，即将在全球30亿安卓和22亿iOS设备中上线。虽然现场演示依旧小翻车了一下，但谷歌下定决心不等了，一心截胡OpenAI，还要对打苹果！

就在刚刚「谷歌制造」的主题演讲中，谷歌宣布推出语音模式Gemini Live。不久后，Gemini Live就会在Gemini移动应用程序中上线。
此外，在这次演讲中，谷歌还详细展示了Gemini会如何更深入地集成到安卓、应用程序和新的Pixel设备中。在一口气发布的Pixel 9系列手机中，谷歌也探索了「AI+手机」的新样态：Gemini、安卓、Pixel的融合，会孵化出怎样的端侧AI产品形态。

谷歌的「Her」，也来了

根据谷歌介绍，Gemini Live是一款全新的移动对话体验。


如果我们想要头脑风暴一下，根据自己的技能和学历能找到什么样的工作，Gemini可以立刻跟我们实时对话。
与OpenAI一样，谷歌的语音功能，同样可以让用户以自然的对话语言和它交流，它的回应也用的是真人般的声音和节奏。

请听下面这个音频，几种男声和女声的音色都很自然

为了让我们拥有最自然的体验，谷歌一口气推出了10种声音；还支持免提功能；还支持随时打断、更改话题。没错，OpenAI的语音能做的，它都有。

重新定义AI助手

在这次演讲中，谷歌表示：通过Gemini，他们重新构想了个人助手对人类真正有用的意义——更自然、对话式、更直观。

Gemini会跟所有谷歌应用程序和工具集成，完成大大小小的任务。而在未来几周，谷歌还会推出全新的扩展功能，包括Keep、Tasks、Utilities和YouTube Music。

图片


一键召唤Gemini

现在，Gemini已经完全融入了安卓的用户体验。

如果正在使用YouTube，可以向Gemini询问有关视频的问题。比如，假设我们正在为出国旅行做攻略，刚看完一个旅游视频博客，点击「询问此视频」，让它列出视频中出现的所有餐馆、添加到谷歌地图中，Gemini就会一一照做。
再看下图，Gemini生成的图像，可以直接拖放到Gmail和Google Messages中。
图片

基于Imagen 3打造，2秒生图

谷歌还推出了一款全新的AI生图应用——Pixel Studio。仅需要几个提示词，就能生成一幅精美的图片。

同时，Imagen 3的技术报告也出炉了（地址：https://arxiv.org/pdf/2408.07009）


首款AI手机，每月要氪20刀

谷歌一共发布了四款AI手机——Pixel 9、Pixel9 Pro、Pixel9 Pro XL，以及二代折叠屏Pixel 9 Pro Fold。

在Pixel 9系列新机上，一定不能错过AI加持的拍照能力。
谷歌表示，图像处理算法——HDR+pipeline，已完全重建，可以让拍摄的照片有更好的对比度、阴影、曝光、锐化、色彩等。
图片
以下是Pixel 9系手机新增的AI图像编辑能力：

Add Me

你是否常常遇到，家庭聚会、团建、家人旅行时，担起了拍照的重担，然而照片中唯独少了自己。

不过，以后就不用担心了。

谷歌「加我一个」（Add Me）功能，就能弥补你的遗憾。

图片

Reimagine

这是Magic Editor编辑器中的一项能力，直接在文本框中描述你想要的效果。

比如，修改照片中的背景，火山、日落、极光各种场景，随意发挥。
图片

Auto Frame

自动构图是Magic Editor中的一项新功能，可以为已拍摄好的照片重新构图。

甚至，它可以为你的照片扩图，通过AI生成空白区域的背景。
图片

Zoom Enhance

可以自动填充像素之间空隙，并精准预测细节，实现高质量的拍摄放大效果。

图片

最强AI处理器：Google Tensor G4

谷歌称，「Tensor G4芯片是我们迄今速度最快、功能最强大的芯片」。

图片
在去年Tensor G3的基础上，谷歌联手三星打造了基于4nm工艺的半定制处理器Tensor G4，利用了Arm提供的CPU和GPU核心。同时，它还用上了谷歌自家的模块，来增强AI、摄影和安全功能。
据悉，相比于前两代，G4在网页浏览速度提高了20%，APP启动提速17%，应用日常使用电池功耗提升多达20%。

加持全新AI功能，重新设计的Tensor G4，便是为了赋能最新Gemini和计算摄影功能。

图片
参考资料：

  • https://blog.google/products/gemini/made-by-google-gemini-ai-updates/

  • https://x.com/TechCrunch/status/1823410187404743131

  • https://venturebeat.com/ai/googles-ai-surprise-gemini-live-speaks-like-a-human-taking-on-chatgpt-advanced-voice-mode/

  • https://www.androidauthority.com/google-tensor-g4-explained-3466184/


往期推荐





商务合作 | 交流学习 | 送书活动

添加vx：yuliang-bj（备注姓名-单位）
整理不易，点赞三连↓

2

Gemini Live和OpenAI的语音模式在功能上非常相似，都支持自然对话、免提操作和打断等功能。然而，两者也有一些关键区别。首先，Gemini Live与谷歌的应用程序和服务更加紧密集成，例如YouTube、Gmail和Google Messages。其次，Gemini Live可能受益于谷歌庞大的训练数据集和在语言处理方面的领先优势。但最终，这两款产品都处于早期阶段，只有通过比较实际使用情况才能确定哪一款更胜一筹。

3

Tensor G4处理器最特别之处在于其定制化设计。谷歌根据自己的AI和机器学习需求对处理器进行了优化，这使得它能够在特定任务上实现更高的性能和效率。例如，G4的AI模块可以加速图像处理和语音识别任务，而其摄影模块可以增强照片和视频的质量。

4

目前来看，Gemini Live更像是OpenAI语音模式的追赶者，在功能上并没有太多创新。虽然与谷歌应用程序的集成是一个优势，但OpenAI在语言模型和生成式AI领域拥有强大的领先优势。如果谷歌想在端侧AI领域取得成功，还需要在核心技术上有所突破。

5

别忘了，Gemini Live是谷歌开发的，而OpenAI的语音模式则是微软支持的。这两家科技巨头之间的竞争将非常激烈，对我们这些用户来说，这可是好事啊！我们拭目以待两款产品如何发展，以及它们将如何改变我们与设备交互的方式。

6

Pixel 9系列手机中的AI功能亮点主要集中在图像编辑和摄影方面。例如，「加我一个」功能可以让你将自己添加到已经拍摄的照片中，「重新构想」功能允许你通过文本提示修改照片背景，「自动构图」可以重新构图已经拍摄的照片，而「放大增强」功能可以提高放大照片的质量。这些功能的背后都是谷歌强大的AI算法和Tensor G4处理器的支持。

7

除了图像编辑功能，Pixel 9系列手机还有一些其他有趣的AI功能，比如「实时翻译」，可以实时翻译你看到的文本和图像；「语音识别」，即使在嘈杂的环境中也能准确识别你的语音；以及「个性化推荐」，可以根据你的使用习惯和偏好为你推荐内容。

8

简而言之，Tensor G4处理器是一款针对AI和机器学习任务量身打造的高性能、低功耗芯片。它不仅为Pixel 9系列手机提供了强大的动力，还预示着谷歌在端侧AI领域的雄心壮志。

9

Pixel 9系列手机的AI功能虽然强大，但也不要忘了它们最酷炫的特点：它们是第一个配备谷歌全新Tensor G4处理器的手机！这款芯片专门针对AI和机器学习任务进行了优化，可以显著提升手机的性能和效率。所以，如果你正在寻找一部功能强大且智能的手机，Pixel 9系列绝对值得考虑。

10

Tensor G4处理器是谷歌与三星合作开发的，基于4nm工艺制造，采用了Arm最新的CPU和GPU核心，并集成了谷歌自研AI、摄影和安全模块。与前两代Tensor处理器相比，G4在网页浏览速度上提升了20%，应用程序启动速度提升了17%，日常使用电池功耗降低了20%。此外，G4还为Gemini和计算摄影功能提供了强大的动力，例如图像增强、对象识别和背景分割。