谷歌版Her抢跑!一键召唤Gemini,全球52亿终端被颠覆

新智元

共 6811字,需浏览 14分钟

 ·

2024-08-14 12:36



  新智元报道  

编辑:编辑部
【新智元导读】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!

OpenAI,刚被截胡了?
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。
谷歌和OpenAI的军备竞赛,再一次打响。
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。
现在,凭借AI加持的安卓,谷歌能击败苹果吗?

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。
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。
在速度上,谷歌明显吊打了OpenAI。
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。
它的行为令人不安,甚至存在潜在的危险。而未经同意模仿用户的声音,还有可能被用于欺诈等恶意目的。
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。

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。

连接更多应用程序

一个好的AI助手,最重要的关键词是什么?
连接。
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

一键召唤Gemini

现在,Gemini已经完全融入了安卓的用户体验。
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。
相信你已经体会到,这套操作中的妙处了——
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。
它的响应更快,回答的质量也更高。
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。

基于Imagen 3打造,2秒生图

会上,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。
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

首款AI手机,每月要氪20刀

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

另一个Reimagine功能,便很好理解了。
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。
AI即可让你的想法变成现实。
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。

最强AI处理器:Google Tensor G4

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

AI当然是Tensor项目背后的主要推动力之一。
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。
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/


浏览 10
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报