Gemini Live - 谷歌推出的多模态AI语音助手

Gemini Live是什么

Gemini Live是谷歌推出的智能语音助手，能理解自然语言，也具备多模态识别能力，图像、视频、语音都能交互。用语音指令就能控制，日常任务可以自动跑起来。语音提供10种选择，和谷歌原生应用做了集成，后面还会扩展到iOS系统、增加更多语言支持。

Gemini Live的主要功能

• 自然语言对话：对话走的是自然语言，来回接得顺，聊起来不像在念指令。
• 多模态识别：语音、图像、视频都认，交互方式不止一种。
• 个性化语音：语音有多种可选，按自己的喜好挑。
• 任务自动化：日常任务能交给它自动完成，比如管邮件、排日程。
• 智能打断和续接：对话可以随时打断并抛出新问题，Gemini Live能实时跟上，接着往下聊。
• 应用集成：跟谷歌的原生应用绑得比较深，用起来少绕几步。

如何使用Gemini Live

• 唤醒助手：谷歌Pixel手机或原生安卓系统上，长按电源键，或者说唤醒词“Hey Google”，就能把Gemini Live激活。
• 自然对话：直接和Gemini Live说人话就行，提问题或者请求帮忙。
• 个性化设置：正式开始用之前可以先挑语音风格和语调，提供的10种不同声音里选一个。
• 任务自动化：把要自动完成的任务告诉Gemini Live，比如设提醒、发邮件、安排日程。
• 访问应用：授权Gemini Live访问邮箱、地图、通讯录这些应用，它管日常任务会更顺手。
• 生成内容：可以让Gemini Live生成图片或者其他内容，比如为某个特定场合做一张图。
• 集成使用：Gemini Live和谷歌的邮件、云盘、相册等应用做了深度集成，任务能跨应用接着处理。
• 持续交互聊的过程中随时能打断Gemini Live，提新问题或新指令，它会实时适应并继续对话。

Gemini Live的适用人群

• 商务专业人士：日程、邮件、会议多到管不过来的商务人士。
• 技术探索者：关注人工智能和最新技术进展的用户。
• 多语言用户：支持多语言，不同语言背景的用户都能用。
• 创意人士：要快速出创意内容或视觉素材的设计师和艺术家。
• 老年人：希望靠语音交互把技术用简单的年长用户。