【賴傳媒 王俊勝／綜合報導】Google 又有新突破，AI 現在不只會聽、會說，還「長眼睛」了！Google 證實，旗下 AI 系統 Gemini 正式啟用新功能，能透過手機鏡頭或螢幕畫面「看見」使用者所處的環境，並即時回應提問，宣告智慧助理邁入「視覺互動」新時代。

根據《The Verge》報導，Google 發言人 Alex Joseph 表示，這項技術目前已在 Gemini Live 測試上線，讓 AI 能即時辨識鏡頭畫面中的物件或內容，例如：看到一頁文件、一道數學題或房間裡的裝飾，使用者只需開口詢問，AI 就能即時理解並作出回應。這項功能的基礎源自 Google 去年展示的 Project Astra 計畫，當時便提出讓 AI 具備「視覺推理」能力。

除了視覺辨識，Gemini Live 還內建多項通訊功能，例如智慧背景模糊、降噪處理、自動調整畫質，並支援最多 50 人的多方通話。用戶無須安裝額外軟體，只要登入 Google 帳號即可一鍵加入會議，非常適合遠端開會或線上教學使用。

更厲害的是，Gemini 還充當「會議小幫手」，可在會議中即時翻譯語音、整理摘要、甚至協助會議紀錄，大幅提升跨語言交流與會議效率。Google 表示，這項功能目前已率先於美國和歐洲地區推出，未來幾個月內將陸續拓展至全球更多市場，用戶可透過 Google 官網或應用商店下載使用。

外界普遍認為，Gemini 的這波更新不僅拓展 AI 助理的實用場景，更可能重新定義人機互動的方式。從單純的「打字問答」，進化到「畫面感知＋語音對話」，Google 可說是替 AI 通訊應用開啟了全新的篇章。

根據The Verge報導，Google發言人亞歷克斯·喬瑟夫（Alex Joseph）在一封電子郵件中證實，Google已經開始在Gemini Live上推出新的AI功能，可以讓人工智能「看到」用戶設備的螢幕或手機鏡頭上的內容，並即時回答用戶的問題。近一年前，Google首次展示了「阿斯特拉計劃」（ Project  Astra），這項計劃為現在這些新功能奠定了基礎。

 

 

 

 

 

 

 

 

 

 

Gemini即時視訊服務的推出代表著Google在通訊領域的一大步。這項服務利用AI技術，能夠自動調整視訊品質，確保在不同網路環境下都能提供穩定清晰的視訊通話。Gemini還具備智能背景模糊和噪音消除功能，提升用戶的視訊體驗。

▲視訊會議在疫情後成為人們開會的替代方案。（圖／取自免費圖庫Unsplash）

此外，Gemini即時視訊還支持多方通話，最多可同時容納50人參與。這一功能特別適合遠端工作和在線學習的使用，讓團隊協作和課堂互動變得更加便捷。用戶通過Google帳戶便可輕鬆加入會議，無需額外下載應用程式。Gemini還具備了AI助理功能，能夠在會議中提供即時翻譯、會議記錄和自動摘要等服務。這些功能不僅提高了會議效率，還使得跨語言交流變得更加順暢。Google表示，Gemini即時視訊服務將首先在美國和歐洲市場推出，並計劃在未來幾個月內逐步擴展到全球其他地區。用戶可以通過Google的官方網站和應用商店下載並使用這項服務。

總結來說，Google的Gemini即時視訊服務憑藉其先進的AI技術和豐富的功能，將為用戶帶來全新的通訊體驗。這一創新技術有望在遠端工作、線上學習和日常交流中發揮重要作用。