金磊 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

翻車，大翻車。

就在今天凌晨，谷歌版Her——Gemini Live正式發(fā)布。

畢竟明顯是對(duì)標(biāo)OpenAI家的GPT-4o，可以說是吸足了科技圈的眼球。

在官網(wǎng)發(fā)布的demo中，拍照問答功能的效果是這樣的：

它大致實(shí)現(xiàn)的功能，是用手機(jī)拍攝演唱會(huì)的海報(bào)，并讓Gemini查看用戶的日歷，看看行程是否適合參加。

以及還可以基于此進(jìn)行一系列后續(xù)的操作，包括定時(shí)間查票價(jià)等等。

然而……當(dāng)來到發(fā)布會(huì)現(xiàn)場(chǎng)演示環(huán)節(jié)的時(shí)候，畫風(fēng)卻180°大變樣。

請(qǐng)看VCR：

視頻地址：https://mp.weixin.qq.com/s/90pixdMaLew4lUjzjeA6jA

• 第一次：失敗了。
• 第二次：失敗了。
• 第三次：換手機(jī)，成功了。

嗯……小哥表情，肉眼可見的有點(diǎn)慌。

就連知名科技媒體TechCrunch都配上了這樣的emoji：

甚至還有網(wǎng)友開啟了辣評(píng)模式：

我10秒鐘就能搜索我的日歷。

當(dāng)然，這只是今天Made by Google的一個(gè)小插曲。

關(guān)于Gemini Live的更多內(nèi)容，我們繼續(xù)往下看。

谷歌版Her的全貌

正如我們剛才提到的，Gemini Live和GPT-4o的功能十分相似。

除了“拍照問答”之外，它也可以做到實(shí)時(shí)對(duì)話，甚至在Gemini回復(fù)過程中進(jìn)行打斷。

據(jù)了解，目前Gemini Live的功能已經(jīng)在安卓系統(tǒng)中向Advanced訂閱者開放（僅限英語）。

未來幾周，這個(gè)功能會(huì)陸續(xù)擴(kuò)展到更多語言并且向iOS開放。

在對(duì)話聲音方面，Gemini Live推出了10種新的聲音供選擇，效果是這樣的：

視頻地址：https://mp.weixin.qq.com/s/90pixdMaLew4lUjzjeA6jA

在操作方面，由于Gemini已經(jīng)完全集成到了系統(tǒng)中，所以只需長(zhǎng)按電源按鈕或說“Hey Google”，就可以調(diào)用了。

例如在寫郵件的過程中，讓Gemini幫你生成配圖，效果如下：

不過對(duì)于這項(xiàng)功能，外媒們的評(píng)價(jià)卻是褒貶不一。

例如The Verge的一位作者在親測(cè)后給出的標(biāo)題是——

Gemini Live比Google快，但更尷尬。

具體原因是作者在一次為期三天的公路旅行中，汽車的音頻系統(tǒng)突然失效。

使用原先的谷歌助手尋找解決方案花費(fèi)了至少五分鐘，而Gemini Live僅耗時(shí)15秒。

但對(duì)話過程中的Gemini Live的持續(xù)發(fā)言和需要用戶主動(dòng)打斷的交互方式，卻讓作者感到尷尬。

他認(rèn)為：

聲音和說話方式過于人性化，以至于在打斷它時(shí)感到不自在。
與Gemini Live的互動(dòng)中投入了更多情感，而不是將其作為解決問題的工具。

無獨(dú)有偶，對(duì)于Gemini Live在云端運(yùn)行這個(gè)點(diǎn)，華爾街日?qǐng)?bào)也給出了犀利的評(píng)價(jià)——

對(duì)話上的進(jìn)步，功能上的退步。

具體到技術(shù)層面，GPT-4o是一個(gè)端到端的系統(tǒng)，但從谷歌發(fā)布的內(nèi)容來看，Gemini Live則并非如此。

而是將STT、VAD、LLM和TTS系統(tǒng)做了集成：

除此之外，谷歌所發(fā)布的新Pixel系列手機(jī)中，也出現(xiàn)了Gemini Live的身影。

包括Pixel 9 Pro Fold、Pixel 9、Pixel 9 Pro和Pixel 9 Pro XL。

AI功能方面，谷歌的Pixel手機(jī)在拍照上增加了一個(gè)叫“Add Me”的功能。

可以用增強(qiáng)現(xiàn)實(shí)（AR）和AI技術(shù)，可以把兩張不同照片中的人物“塞”到一起。

谷歌為什么追不上OpenAI？

雖然谷歌這次發(fā)布Gemini Live，算是對(duì)OpenAI GPT-4o的一種應(yīng)戰(zhàn)，但自從大模型時(shí)代拉開序幕以來，我們可以看到一個(gè)非常明顯的一種趨勢(shì)——

谷歌，跟不上OpenAI的腳步。

首先是在最為關(guān)鍵的ChatGPT發(fā)布的這個(gè)節(jié)點(diǎn)上，OpenAI成為了開拓者，但谷歌隨后發(fā)布的Bard，和這次Gemini Live很相似，后續(xù)出現(xiàn)了翻車情況。

而后近一年半多的時(shí)間來，似乎所有重磅模型、重磅應(yīng)用的發(fā)布，都是OpenAI在引領(lǐng)。

反觀谷歌這邊，不僅是技術(shù)呈現(xiàn)出步步慢的狀態(tài)；甚至在輿論上，還出現(xiàn)了被OpenAI用一個(gè)人事變動(dòng)（Ilya離職）消息蓋過谷歌年度最大活動(dòng)（I/O大會(huì)）熱度的情況。

那么谷歌在大模型時(shí)代為什么不行了？

對(duì)此，前谷歌CEOEric Schmidt（2001年至2011年任職）在斯坦福最新的演講中表達(dá)了他的觀點(diǎn)：

谷歌非常重視工作與生活的平衡，例如允許員工居家辦公。
但創(chuàng)業(yè)公司，他們工作真的很拼。

視頻地址：https://mp.weixin.qq.com/s/90pixdMaLew4lUjzjeA6jA

甚至還有網(wǎng)友爆料稱：

我兄弟是谷歌頂級(jí)AI程序員，他有3個(gè)全職工作，每天只在谷歌這邊花2個(gè)小時(shí)。

那么你對(duì)此怎么看，歡迎在評(píng)論區(qū)留言討論。

參考鏈接：
[1]https://x.com/techcrunch/status/1823410187404743131?s=46&t=6eepxw1G6XRQ7VO0ANjJWg
[2]https://x.com/GoogleDeepMind/status/1823409674739437915
[3]https://blog.google/products/gemini/made-by-google-gemini-ai-updates/
[4]https://x.com/alexkehr/status/1823480786349383879?s=46&t=6eepxw1G6XRQ7VO0ANjJWg
[5]https://www.theverge.com/2024/8/13/24219736/gemini-live-hands-on-pixel-event
[6]https://blog.google/products/pixel/google-pixel-9-new-ai-features/#pixel9phones