OpenAI，剛被截胡了？

緊追著OpenAI的「Her」，谷歌也正式官宣：發(fā)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(yīng)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(jié)奏啊。

在場的谷歌領(lǐng)導(dǎo)Rick Osterloh也意味深長地表示：「我們聽到太多關(guān)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(yīng)用程序和新的Pixel設(shè)備中。

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

現(xiàn)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(jù)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(fēng)暴一下，根據(jù)自己的技能和學(xué)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(yīng)也用的是真人般的聲音和節(jié)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(diào)和風(fēng)格。

另外，Gemini Live還支持免提功能。即使Gemini應(yīng)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(xiàn)在只要花每月19.99美元，就可以在安卓設(shè)備上使用Gemini Live了，只要進入谷歌Gemini應(yīng)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(nèi)推出。

另一方面，在用戶規(guī)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(xiàn)有關(guān)。

它的行為令人不安，甚至存在潛在的危險。而未經(jīng)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(xiàn)場演示，出現(xiàn)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(wù)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(fù)中，卻說這里出錯了，再嘗試一次。

第二次重復(fù)嘗試剛剛步驟時，Gemini依舊沒有答復(fù)。

直到第三次（換了一個設(shè)備），終于給出了結(jié)果，現(xiàn)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(gòu)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(yīng)用程序

一個好的AI助手，最重要的關(guān)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(yīng)用程序和工具集成，完成大大小小的任務(wù)。

而跟其他助手不同的是，我們無需耗費功夫，在應(yīng)用程序和服務(wù)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(shè)現(xiàn)在我們要辦一場晚宴，Gemini就可以發(fā)揮它的百般武藝了——

從Gmail中，它可以找出某人發(fā)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(shè)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(xiàn)在，Gemini已經(jīng)完全融入了安卓的用戶體驗。

只有在安卓系統(tǒng)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(yīng)聲出現(xiàn)。

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(guān)屏幕內(nèi)容的幫助。

如果正在使用YouTube，可以向Gemini詢問有關(guān)視頻的問題。

比如，假設(shè)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(xiàn)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(jīng)體會到，這套操作中的妙處了——

因為Gemini為安卓構(gòu)建了深度集成，AI能做的就不僅僅是讀取屏幕內(nèi)容，還能與我們已經(jīng)在使用的許多應(yīng)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(wù)的LLM，往往意味著即使完成簡單任務(wù)，也需要更多的時間。

而AI如果表現(xiàn)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(yīng)更快，回答的質(zhì)量也更高。

在未來幾個月內(nèi)，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(zhàn)。

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(yīng)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(nèi)便可生成各種圖像。

同在今天，Imagen 3的技術(shù)報告也出爐了，技術(shù)細節(jié)可參見32頁論文。

論文地址：https://arxiv.org/pdf/2408.07009

首款A(yù)I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(xiàn)場，谷歌一共發(fā)布了四款A(yù)I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(dān)起了拍照的重擔(dān)，然而照片中唯獨少了自己。

不過，以后就不用擔(dān)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(zé)拍照的人與照片中的人交互位置，拍攝一張「攝影師」在內(nèi)的照片。

這時，Pixel使用實時AR技術(shù)，引導(dǎo)第二個拍照的人去構(gòu)圖，讓其與第一張照片構(gòu)圖相匹配。

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

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(xiàn)實。

比如，修改照片中的背景，火山、日落、極光各種場景，隨意發(fā)揮。

Auto Frame

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

甚至，它可以為你的照片擴圖，通過AI生成空白區(qū)域的背景。

Zoom Enhance

Zoom Enhance可以自動填充像素之間空隙，并精準預(yù)測細節(jié)，實現(xiàn)高質(zhì)量的拍攝放大效果。

AI能力的實現(xiàn)，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(shè)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(chǔ)上，谷歌聯(lián)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(jù)悉，相比于前兩代，G4在網(wǎng)頁瀏覽速度提高了20%，APP啟動提速17%，應(yīng)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(jù)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(yīng)該略優(yōu)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(shè)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(shù)），能夠以45 token/s的速度輸出內(nèi)容。

雖然，谷歌的TPU已經(jīng)很快，但在token處理方面，并沒有領(lǐng)先于競爭對手。

相較之下，高通Snapdragon 8 Gen 3運行100億參數(shù)時，每秒可輸出15個token；聯(lián)發(fā)科Dimensity 9300能以每秒 20個token運行70億參數(shù)。

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(jié)果。

AI還需要大量的內(nèi)存，并且需要訪問快速且龐大的內(nèi)存池來運行更復(fù)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(shè)備上運行Gemini」，防止其他應(yīng)用使用該內(nèi)存。

不過，谷歌沒有透露具體劃分了多少，給AI任務(wù)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(yōu)化，仍可能帶來更好的AI體驗和新功能。