谷歌今日发布Gemini Live！实时对话+拍照问答，将挑战GPT-4o？
any
发布于 2024-8-14 18:22:52
阅读 344
查看全部
本帖最后由 any 于 2024-8-14 18:24 编辑
就在今日凌晨，谷歌在 Pixel 9 系列手机发布会上宣布了一项最新的的AI服务——Gemini Live，为 Gemini 高级订阅用户带来了全新的移动人工智能对话体验。这一服务的推出，无疑将给人们带来更加便捷和智能的生活方式。
据说这次 Gemini Live 依旧对标 OpenAI 旗下的 ChatGPT-4o，吸引了不少科技圈人士的目光。
可随时打断对话的人工智能聊天机器人
据谷歌官方博文介绍，Gemini Live 采用了 Gemini Advanced 模型，具有实时对话功能，用户可以随时打断 Gemini Live 的发言，Gemini Live 会实时调整回答，更贴近真人互动，有助于让用户和 Gemini Live 展开更加自由流畅的对话。
值得一提的是，Gemini Live 还提供了10种自然声音供用户选择。这意味着人们可以根据自己的喜好来选择与 Gemini Live 交流的声音，增加了个性化的体验。无论你喜欢温柔的女声还是沉稳的男声，都能在这里找到适合自己的声音。
谷歌博文是这样介绍 Gemini Live 的（翻译来自IT之家）：
使用 Gemini 应用，用户可以与 Gemini 对话，并从10 种新的自然声音中选择它可以回应的声音。
用户甚至可以按照自己的节奏说话，或在回答中途打断并提出澄清性问题，就像在人类对话中一样。
然而有一部分用户表示在使用过程中，由于 Gemini Live 的声音和说话方式过于人性化，打断它的发言时会感到尴尬。
插入一则讯息，人工智能发展的过程中往往需要用到大量的GPU算力资源训练AI大模型，目前算力云（suanlix）平台已在全国多所城市部署数据中心，提供GPU云主机和CPU云主机的租用服务，算力云还平台上线了RTX4090、Tesla V100S等热门显卡，近期为感谢新老用户，还推出实名认证享受折上折活动，致力于为企业和个人用户提供人人都“用得起”的高性能、高性价比的算力资源。
拍照问答功能
除了实时对话功能外，Gemini Live 还拥有拍照问答功能。在谷歌官方发布的 demo 中，向大家展示了其拍照问答的功能。视频中，用户使用手机拍摄演唱会的海报，并让 Gemini Live 查看自己的日历，看看行程是否适合参加。这听起来似乎有些神奇，但实际上正是人工智能的魅力所在。
Gemini Live 的拍照问答功能，本意是让用户可以更加直观地获取信息，并作出决策，而无需进行繁琐的查询。然而，在发布会现场的演示环节中，Gemini Live 的拍照问答功能接连两次都没有成功，演示小哥肉眼可见的慌张了，终于第三次在换了手机的情况下成功了，可见 Gemini Live 的拍照问答功能尚不成熟。
毕竟这是一项新技术，我们相信随着谷歌对其不断的改进和完善，它将变得更加智能化和精准化。
相比于 OpenAI 旗下的 GPT-4o，Gemini Live 更加关注于移动设备的语音交互体验，而 GPT-4o 作为多模态交互的领军者，能够无缝处理文本、视频和音频输入，并生成高质量的输出。谷歌也表示，多模态输入尚未实现，将在“今年晚些时候”推出，但拒绝透露具体细节。
以上是算力云今日内容分享，感兴趣的朋友请多多关注吧！小编将为大家带来更多科技领域和AI资讯，感谢阅读。
|
|
|
|
|
|
|
|
|
