谷歌发布Gemini Live：对标GPT-4o，让每一个人都有贾维斯

谷歌在今天凌晨的“Made by Google 2024”大会上，正式推出了智能语音助手Gemini Live。说白了，这就是谷歌版GPT-4o语音模式——一个能听懂你说话、看懂你发的图片和视频的多模态助手，功能上跟OpenAI在5月展示的那套东西几乎一模一样。

举个例子，你可以打开Gemini Live，对着它拍一幅《清明上河图》，然后让它讲讲这幅画的历史背景。它开口讲的时候，你甚至可以随意打断它，想插话就插话，完全像是跟朋友聊天。或者你可以授权它访问你的邮箱、地图和通讯录，然后直接说一句“今晚8点，帮我约阿乐去有福气酒楼吃饭”，它就能自动帮你把事儿办了。基本上，就是钢铁侠里贾维斯那个味儿。

不过，OpenAI虽然抢跑了很久，但GPT-4o语音模式至今还在小范围测试，属于起大早赶了个晚集。谷歌这次倒是快刀斩乱麻，直接抢先发布，硬生生在安卓生态里占了个先手。不少用户评价说，这一局谷歌确实领先了一步——当产品性能拉不开差距时，谁先落地、谁就能抢占市场先机。

从大模型到语音助手，看来谷歌的Gemini是要跟OpenAI的ChatGPT死磕到底了。

也有人觉得，Gemini Live一出来，可能会让不少人开始考虑放弃苹果。这个倒不用急，谷歌已经明确表示会在iOS系统上发布，只是时间问题。

现场其实有个小插曲。主持人对着日历拍了一张照片，然后问Gemini Live：“帮我看看我的日历，她今年来旧金山的时候，我有没有空？”你猜怎么着？第一次，没反应；第二次，还是没反应。连续问了三次，到第三次时，主持人汗都快下来了，Gemini Live才终于开口：“我发现她将于2024年11月9日来旧金山。我查看了你的日历，那段时间你没有任何活动。”

话音一落，全场瞬间爆发出惊喜的尖叫声——好吧，那个尖叫声确实有点演播厅老传统味道了，但前两次的沉默，对于台上的主持人来说，世界仿佛都静止了。

不过话说回来，相比于那些提前录好的演示demo，很多人还是更喜欢这种现场真刀真枪的演示。哪怕是失败了两次，那种勇气、真诚和敢于冒险的精神，才是真正值得称赞的地方。

Gemini Live的使用方法也很简单：长按电源键，或者直接对着手机喊“Hey Google”，就能开始对话。除了理解语音、图片和视频之外，它还能生成图片。比如你说“帮我生成一张生日庆祝的图片”，它就能直接出图，并且无缝在谷歌生态的各种应用里使用。

谷歌表示，Gemini Live已经跟自家的邮件、云盘、相册、天气等原生应用完成了集成，未来还会扩展到Keep、Tasks、Utilities这些知名应用，帮你自动完成更多日常任务。