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！
紧追着OpenAI的「Her」，谷歌也正式官宣：发布AI语音功能！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。看看OpenAI那边，三个月前石破天惊的「Her」如今依旧没个声响，这是妥妥要被谷歌截胡的节奏啊。在场的谷歌领导Rick Osterloh也意味深长地表示：「我们听到太多关于AI的承诺，和即将推出的口号了。今天，我们要展示的是真实的进展！」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。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。这个感觉，就仿佛口袋里有了一个随时可以聊天的贴心助手。而且同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，我们可以随心选择自己最喜欢的语调和风格。另外，Gemini Live还支持免提功能。即使Gemini应用程序在后台，或者手机正在锁定，我们依然可以和它对话，就仿佛在普通的电话中一样。还有，我们可以随时打断它、更改话题——看着很眼熟对吧？没错，OpenAI的语音能做的，它都有。五月份OpenAI惊艳全场的高级语音功能「Her」，如今依旧在鸽，上个月底也只是选择性地向一小部分Alpha测试参与者开放。现在只要花每月19.99美元，就可以在安卓设备上使用Gemini Live了，只要进入谷歌Gemini应用程序即可。目前开放的是英语版本，而iOS版本和更多语言的支持，还会在未来几周内推出。另一方面，在用户规模上，谷歌的高级语音模式也会接触比OpenAI更广泛的潜在用户。要知道，如今全世界有超过30亿的安卓用户，和22亿的iOS用户。而OpenAI的语音功能鸽了的部分原因，恐怕是跟红队测试中AI的异常表现有关。这些安全问题，谷歌就完全解决了吗？目前没人知道，但很明显——不想屈居人后的谷歌，决定这次也豁出去一把。但翻了两次车
唯一不足的是，Gemini Live现场演示，出现了一些小插曲。谷歌高管Dave Citron在展示Gemini在安卓新机连接谷歌日历、任务和Keep的新功能时，没想到接连翻车两次。他先用手机拍摄了一张Sabrina Carpenter在旧金山举行时装秀宣传海报，然后问道Gemini，「查看我的日程，看看是否有空参加Sabrina Carpenter的时装秀」。Gemini第一次回复中，却说这里出错了，再尝试一次。第二次重复尝试刚刚步骤时，Gemini依旧没有答复。直到第三次（换了一个设备），终于给出了结果，现场一阵欢呼。
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。
连接更多应用程序
Gemini就是如此，它会跟我们使用的所有谷歌应用程序和工具集成，完成大大小小的任务。而跟其他助手不同的是，我们无需耗费功夫，在应用程序和服务之间切换。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。![]()
图中有什么食物？问一嘴Gemini，它全给你列出来
假设现在我们要办一场晚宴，Gemini就可以发挥它的百般武艺了——从Gmail中，它可以找出某人发给我们的千层面食谱，然后把配料添加到Keep的购物清单中；然后，在让Gemini为我们攒一份歌单，要求是「让我想起90年代末」。在谷歌即将推出的日历扩展功能中，我们可以直接拍一张音乐会的海报，问Gemini：我当天有空不？如果答案是yes，还可以让Gemini帮我们设置提醒，准备抢票。![]()
让Gemini给教授写个邮件请个假，请求deadline再延期几天，动动嘴就行了
只有在安卓系统中，我们才能体会到如此丝滑的上下文感知功能。只要拿着一部安卓手机，无论我们想要做什么，Gemini都能在需要时应声出现。长按电源按钮，或者说一声「Hey Google」，就能召唤出Gemini了！点击「询问此屏幕」，就可以获取有关屏幕内容的帮助。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。因为Gemini为安卓构建了深度集成，AI能做的就不仅仅是读取屏幕内容，还能与我们已经在使用的许多应用进行交互。Gemini 1.5 Flash，加持AI助手
不过，还有两个问题：能更好地解释自然语言和处理任务的LLM，往往意味着即使完成简单任务，也需要更多的时间。而AI如果表现出意想不到的行为，或提供不准确的信息，也很让人头疼。为此，谷歌特意引入了新模型——Gemini 1.5 Flash。在未来几个月内，谷歌还会把模型与Google Home、Phone和Messages进行更深层的集成。谷歌表示，今天我们正式到达了一个拐点，AI助手的有用性，远远超过了它们的挑战。会上，谷歌还推出了一款全新的AI生图应用——Pixel Studio。最重要的是，它是一个本地生图APP，基于Imagen 3打造，2秒之内便可生成各种图像。同在今天，Imagen 3的技术报告也出炉了，技术细节可参见32页论文。![]()
论文地址：https://arxiv.org/pdf/2408.07009所有这些AI能力，谷歌全都植入到了最新手机硬件之中。现场，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，你一定不能错过的，就是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。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。
首先，需要拍摄一张团体照。然后，负责拍照的人与照片中的人交互位置，拍摄一张「摄影师」在内的照片。这时，Pixel使用实时AR技术，引导第二个拍照的人去构图，让其与第一张照片构图相匹配。最后，然后，Pixel将两张图像合并，确保每个人都出现在同一张照片中，包括「摄影师」在内。Reimagine
这时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。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。Zoom Enhance
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。
AI能力的实现，离不开Pixel 9系列背后强大的芯片。新款手机采用了谷歌全新设计的处理器——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」。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%。CPU方面，G4配备了1个运行在3.1GHz的Cortex-X4核心、3个运行在2.6GHz的Cortex-A720核心，以及4个运行在 1.95GHz 的 Cortex-A520核心。相比之下，Tensor G3则是1个2.91GHz的Cortex-X3核心，4个2.37GHz的Cortex-A715核心，以及4个1.70GHz的Cortex-A510核心。尽管Tensor G4少了一个核心，但所有核心的时钟频率都提高了200MHz到300MHz。根据泄露的Geekbench跑分，Tensor G4在单核测试中得分为2,005，多核测试为4,835。相比之下，Tensor G3在单核测试中的得分为1,751，多核测试为4,208。均有14%的性能差异。至于GPU，Tensor G4采用了与去年Tensor G3相同的ARM Mali-G715 GPU，但频率从890MHz提升到了940MHz。这意味着Tensor G4的GPU性能应该略优于Tensor G3。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。可以本地运行的Gemini Nano模型（最大版本为35亿参数），能够以45 token/s的速度输出内容。虽然，谷歌的TPU已经很快，但在token处理方面，并没有领先于竞争对手。相较之下，高通Snapdragon 8 Gen 3运行100亿参数时，每秒可输出15个token；联发科Dimensity 9300能以每秒 20个token运行70亿参数。不过，Pixel 9系列的独特AI功能可能不完全依赖于新芯片，而是其他因素的结果。AI还需要大量的内存，并且需要访问快速且庞大的内存池来运行更复杂的模型。Pixel 9配备12GB RAM，Pro系列升级到16GB。谷歌表示，为了获得更流畅的AI体验，这是它首次划分出「一部分专用RAM来在设备上运行Gemini」，防止其他应用使用该内存。不过，谷歌没有透露具体划分了多少，给AI任务使用。尽管芯片本身在AI方面没有重大升级，但通过RAM管理的优化，仍可能带来更好的AI体验和新功能。https://blog.google/products/gemini/made-by-google-gemini-ai-updates/https://x.com/TechCrunch/status/1823410187404743131https://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/人工智能 | 超高清
产业创新 | 技术孵化 | 成果转化
