OpenAI，剛被截胡了？

緊追著OpenAI的「Her」，谷歌也正式官宣：發布AI語音功能！

就在剛剛「谷歌制造」的主題演講中，谷歌宣布推出語音模式Gemini Live。不久后，Gemini Live就會在Gemini移動應用程序中上線。

谷歌和OpenAI的軍備競賽，再一次打響。

看看OpenAI那邊，三個月前石破天驚的「Her」如今依舊沒個聲響，這是妥妥要被谷歌截胡的節奏啊。

在場的谷歌領導Rick Osterloh也意味深長地表示：「我們聽到太多關于AI的承諾，和即將推出的口號了。今天，我們要展示的是真實的進展！」

此外，在這次演講中，谷歌還詳細展示了Gemini會如何更深入地集成到安卓、應用程序和新的Pixel設備中。

在一口氣發布的Pixel 9系列手機中，谷歌也探索了「AI+手機」的新樣態：Gemini、安卓、Pixel的融合，會孵化出怎樣的端側AI產品形態。

現在，憑借AI加持的安卓，谷歌能擊敗蘋果嗎？

谷歌的「Her」，也來了

根據谷歌介紹，Gemini Live是一款全新的移動對話體驗。

如果我們想要頭腦風暴一下，根據自己的技能和學歷能找到什么樣的工作，Gemini可以立刻跟我們實時對話。

這個感覺，就仿佛口袋里有了一個隨時可以聊天的貼心助手。

而且同OpenAI一樣，谷歌的語音功能，同樣可以讓用戶以自然的對話語言和它交流，它的回應也用的是真人般的聲音和節奏。

請聽下面這個音頻，幾種男聲和女聲的音色都很自然。

為了讓我們擁有最自然的體驗，谷歌一口氣推出了10種聲音，我們可以隨心選擇自己最喜歡的語調和風格。

另外，Gemini Live還支持免提功能。即使Gemini應用程序在后臺，或者手機正在鎖定，我們依然可以和它對話，就仿佛在普通的電話中一樣。

還有，我們可以隨時打斷它、更改話題——看著很眼熟對吧？沒錯，OpenAI的語音能做的，它都有。

五月份OpenAI驚艷全場的高級語音功能「Her」，如今依舊在鴿，上個月底也只是選擇性地向一小部分Alpha測試參與者開放。

在速度上，谷歌明顯吊打了OpenAI。

現在只要花每月19.99美元，就可以在安卓設備上使用Gemini Live了，只要進入谷歌Gemini應用程序即可。

目前開放的是英語版本，而iOS版本和更多語言的支持，還會在未來幾周內推出。

另一方面，在用戶規模上，谷歌的高級語音模式也會接觸比OpenAI更廣泛的潛在用戶。

要知道，如今全世界有超過30億的安卓用戶，和22億的iOS用戶。

而OpenAI的語音功能鴿了的部分原因，恐怕是跟紅隊測試中AI的異常表現有關。

它的行為令人不安，甚至存在潛在的危險。而未經同意模仿用戶的聲音，還有可能被用于欺詐等惡意目的。

這些安全問題，谷歌就完全解決了嗎？目前沒人知道，但很明顯——不想屈居人后的谷歌，決定這次也豁出去一把。

但翻了兩次車

唯一不足的是，Gemini Live現場演示，出現了一些小插曲。

谷歌高管Dave Citron在展示Gemini在安卓新機連接谷歌日歷、任務和Keep的新功能時，沒想到接連翻車兩次。

他先用手機拍攝了一張Sabrina Carpenter在舊金山舉行時裝秀宣傳海報，然后問道Gemini，「查看我的日程，看看是否有空參加Sabrina Carpenter的時裝秀」。

Gemini第一次回復中，卻說這里出錯了，再嘗試一次。

第二次重復嘗試剛剛步驟時，Gemini依舊沒有答復。

直到第三次（換了一個設備），終于給出了結果，現場一陣歡呼。

重新定義AI助手

在這次演講中，谷歌表示：通過Gemini，他們重新構想了個人助手對人類真正有用的意義——更自然、對話式、更直觀。

連接更多應用程序

一個好的AI助手，最重要的關鍵詞是什么？

連接。

Gemini就是如此，它會跟我們使用的所有谷歌應用程序和工具集成，完成大大小小的任務。

而跟其他助手不同的是，我們無需耗費功夫，在應用程序和服務之間切換。

而在未來幾周，谷歌還會推出全新的擴展功能，包括Keep、Tasks、Utilities和YouTube Music。

圖中有什么食物？問一嘴Gemini，它全給你列出來

假設現在我們要辦一場晚宴，Gemini就可以發揮它的百般武藝了——

從Gmail中，它可以找出某人發給我們的千層面食譜，然后把配料添加到Keep的購物清單中；然后，在讓Gemini為我們攢一份歌單，要求是「讓我想起90年代末」。

在谷歌即將推出的日歷擴展功能中，我們可以直接拍一張音樂會的海報，問Gemini：我當天有空不？如果答案是yes，還可以讓Gemini幫我們設置提醒，準備搶票。

讓Gemini給教授寫個郵件請個假，請求deadline再延期幾天，動動嘴就行了

一鍵召喚Gemini

現在，Gemini已經完全融入了安卓的用戶體驗。

只有在安卓系統中，我們才能體會到如此絲滑的上下文感知功能。

只要拿著一部安卓手機，無論我們想要做什么，Gemini都能在需要時應聲出現。

長按電源按鈕，或者說一聲「Hey Google」，就能召喚出Gemini了！

點擊「詢問此屏幕」，就可以獲取有關屏幕內容的幫助。

如果正在使用YouTube，可以向Gemini詢問有關視頻的問題。

比如，假設我們正在為出國旅行做攻略，剛看完一個旅游視頻博客，點擊「詢問此視頻」，讓它列出視頻中出現的所有餐館、添加到谷歌地圖中，Gemini就會一一照做。

再看下圖，Gemini生成的圖像，可以直接拖放到Gmail和Google Messages中。

相信你已經體會到，這套操作中的妙處了——

因為Gemini為安卓構建了深度集成，AI能做的就不僅僅是讀取屏幕內容，還能與我們已經在使用的許多應用進行交互。

Gemini 1.5 Flash，加持AI助手

不過，還有兩個問題：能更好地解釋自然語言和處理任務的LLM，往往意味著即使完成簡單任務，也需要更多的時間。

而AI如果表現出意想不到的行為，或提供不準確的信息，也很讓人頭疼。

為此，谷歌特意引入了新模型——Gemini 1.5 Flash。

它的響應更快，回答的質量也更高。

在未來幾個月內，谷歌還會把模型與Google Home、Phone和Messages進行更深層的集成。

谷歌表示，今天我們正式到達了一個拐點，AI助手的有用性，遠遠超過了它們的挑戰。

基于Imagen 3打造，2秒生圖

會上，谷歌還推出了一款全新的AI生圖應用——Pixel Studio。

僅需要幾個提示詞，就能生成一幅精美的圖片。

最重要的是，它是一個本地生圖APP，基于Imagen 3打造，2秒之內便可生成各種圖像。

同在今天，Imagen 3的技術報告也出爐了，技術細節可參見32頁論文。

論文地址：https://arxiv.org/pdf/2408.07009

首款AI手機，每月要氪20刀

所有這些AI能力，谷歌全都植入到了最新手機硬件之中。

現場，谷歌一共發布了四款AI手機——Pixel 9、Pixel9 Pro、Pixel9 Pro XL，以及二代折疊屏Pixel 9 Pro Fold。

在Pixel 9系列新機上，你一定不能錯過的，就是AI加持的拍照能力。

谷歌表示，圖像處理算法——HDR+pipeline，已完全重建，可以讓拍攝的照片有更好的對比度、陰影、曝光、銳化、色彩等。

以下是Pixel 9系手機新增的AI圖像編輯能力：

Add Me

你是否常常遇到，家庭聚會、團建、家人旅行時，擔起了拍照的重擔，然而照片中唯獨少了自己。

不過，以后就不用擔心了。

谷歌「加我一個」（Add Me）功能，就能彌補你的遺憾。

首先，需要拍攝一張團體照。然后，負責拍照的人與照片中的人交互位置，拍攝一張「攝影師」在內的照片。

這時，Pixel使用實時AR技術，引導第二個拍照的人去構圖，讓其與第一張照片構圖相匹配。

最后，然后，Pixel將兩張圖像合并，確保每個人都出現在同一張照片中，包括「攝影師」在內。

Reimagine

另一個Reimagine功能，便很好理解了。

這時Magic Editor編輯器中的一項能力，直接在文本框中描述你想要的效果。

AI即可讓你的想法變成現實。

比如，修改照片中的背景，火山、日落、極光各種場景，隨意發揮。

Auto Frame

自動構圖是Magic Editor中的一項新功能，可以為已拍攝好的照片重新構圖。

甚至，它可以為你的照片擴圖，通過AI生成空白區域的背景。

Zoom Enhance

Zoom Enhance可以自動填充像素之間空隙，并精準預測細節，實現高質量的拍攝放大效果。

AI能力的實現，離不開Pixel 9系列背后強大的芯片。

最強AI處理器：Google Tensor G4

新款手機采用了谷歌全新設計的處理器——Google Tensor G4。

谷歌稱，「Tensor G4芯片是我們迄今速度最快、功能最強大的芯片」。

在去年Tensor G3的基礎上，谷歌聯手三星打造了基于4nm工藝的半定制處理器Tensor G4，利用了Arm提供的CPU和GPU核心。

同時，它還用上了谷歌自家的模塊，來增強AI、攝影和安全功能。

據悉，相比于前兩代，G4在網頁瀏覽速度提高了20%，APP啟動提速17%，應用日常使用電池功耗提升多達20%。

CPU方面，G4配備了1個運行在3.1GHz的Cortex-X4核心、3個運行在2.6GHz的Cortex-A720核心，以及4個運行在 1.95GHz 的 Cortex-A520核心。

相比之下，Tensor G3則是1個2.91GHz的Cortex-X3核心，4個2.37GHz的Cortex-A715核心，以及4個1.70GHz的Cortex-A510核心。

盡管Tensor G4少了一個核心，但所有核心的時鐘頻率都提高了200MHz到300MHz。

根據泄露的Geekbench跑分，Tensor G4在單核測試中得分為2,005，多核測試為4,835。相比之下，Tensor G3在單核測試中的得分為1,751，多核測試為4,208。均有14%的性能差異。

至于GPU，Tensor G4采用了與去年Tensor G3相同的ARM Mali-G715 GPU，但頻率從890MHz提升到了940MHz。這意味著Tensor G4的GPU性能應該略優于Tensor G3。

加持全新AI功能

AI當然是Tensor項目背后的主要推動力之一。

重新設計的Tensor G4，便是為了賦能最新Gemini和計算攝影功能。

可以本地運行的Gemini Nano模型（最大版本為35億參數），能夠以45 token/s的速度輸出內容。

雖然，谷歌的TPU已經很快，但在token處理方面，并沒有領先于競爭對手。

相較之下，高通Snapdragon 8 Gen 3運行100億參數時，每秒可輸出15個token；聯發科Dimensity 9300能以每秒 20個token運行70億參數。

不過，Pixel 9系列的獨特AI功能可能不完全依賴于新芯片，而是其他因素的結果。

AI還需要大量的內存，并且需要訪問快速且龐大的內存池來運行更復雜的模型。

Pixel 9配備12GB RAM，Pro系列升級到16GB。

谷歌表示，為了獲得更流暢的AI體驗，這是它首次劃分出「一部分專用RAM來在設備上運行Gemini」，防止其他應用使用該內存。

不過，谷歌沒有透露具體劃分了多少，給AI任務使用。

盡管芯片本身在AI方面沒有重大升級，但通過RAM管理的優化，仍可能帶來更好的AI體驗和新功能。