谷歌版本的 "Her" 大失败：尝试了3次并换了手机才成功…网友：我手动操作只需10秒
编辑日期：2024年08月14日
它主要实现的功能是：使用手机拍摄演唱会海报的照片，并让Gemini查看用户的日历，以确定用户的时间安排是否允许参加演唱会。
以及基于此进行一系列后续的操作，包括查询特定时间的票价等。
然而，在进入发布会现场的演示环节时，情况却来了个180°的大转变。
请观看 VCR：
请您提供需要重写的文本内容，我将尽力帮助您。
第一次，失败了。
第二次：失败了。
（这段文字已经是中文，无需重写。）
第三次：更换手机，成功了。
嗯……从小哥的表情来看，可以明显看出他有些慌张。
就连知名科技媒体 TechCrunch 都配上了这样的表情符号：
甚至有网民开启了尖锐评论模式：
当然，这只是一天中由Google制作的小插曲。
或者
当然，这仅仅是今天由Google呈现的一个小片段。
关于 Gemini Live 的更多内容，请继续往下看。
正如我们之前提到的，Gemini Live 和 GPT-4o 的功能非常类似。
除了“拍照问答”功能外，它还可以实现实时对话，甚至可以在Gemini回复过程中进行打断。
据了解，目前Gemini Live的功能已在Android系统中对Advanced订阅用户开放（仅提供英文版）。
在未来几周内，此功能将逐步扩展到更多语言，并且也将对iOS开放。
在对话声音方面，Gemini Live 新推出了10种可供选择的声音，效果如下：
请您提供需要重写的文本内容，我将尽力帮助您。
在操作上，由于Gemini已经完全整合到系统中，因此只需要长按电源键或说出“嘿，Google”就可以启动它。
例如，在撰写邮件的过程中，可以让 Gemini 帮您生成配图，效果如下：
然而，对于这项功能，外媒的评价却大相径庭，有好评也有差评。
例如，一位 The Verge 的作者在亲自试用后给出的标题是 ——
Gemini Live比Google速度快，但使用起来更显尴尬。
具体的原因是作者在一次为期三天的公路旅行中，汽车的音响系统突然失效。
使用原来的谷歌助手来寻找解决方案需要至少五分钟的时间，而Gemini Live只耗费了15秒。
但在对话过程中，Gemini Live持续发言以及需要用户主动打断的交互方式让作者感到尴尬。
他认为：（直接翻译，无需改动）
如果需要扩展或改写可以是： 他持有这样的观点： 他这样认为： 他的看法是：
在与Gemini Live的互动中投入了更多的情感，而不仅仅将其视为解决问题的工具。
无独有偶，关于 Gemini Live 在云端运行这一特点，华尔街日报也给出了尖锐的评价——
对话方面的进步，功能上的倒退。
具体到技术层面上，GPT-4是一款端到端的系统，但从谷歌发布的信息来看，Gemini Live似乎并不属于此类。
而是集成了 STT、VAD、LLM 和 TTS 系统：
此外，谷歌新发布的Pixel系列手机中，也出现了Gemini Live的身影。
包括 Pixel 9 Pro Fold、Pixel 9、Pixel 9 Pro 以及 Pixel 9 Pro XL。
在AI功能方面，谷歌的Pixel手机在摄影上新增了一个名为“Add Me”的功能。
可以利用增强现实（AR）和人工智能（AI）技术，将两张不同照片中的人物“融合”在一起。
虽然谷歌此次发布 Gemini Live 可视为对 OpenAI GPT-4 的回应，但从大模型时代开始以来，我们明显可见一种趋势——
谷歌跟不上OpenAI的步伐。
首先，在最关键的时间点，即ChatGPT发布时，OpenAI成为了先锋。然而，随后谷歌推出的Bard与这次的Gemini Live十分相似，并且之后也遇到了失败的情况。
在接下来的一年半多的时间里，似乎所有的重大模型和重要应用的发布都是由OpenAI主导的。
相比之下，谷歌不仅在技术上显得步伐缓慢；甚至在舆论上，OpenAI 通过一次人事变动（Ilya 的离职）的消息盖过了谷歌年度最大活动（I/O 大会）的热度。
那么，为什么谷歌在大模型时代表现不佳呢？
对此，前任谷歌首席执行官 Eric Schmidt（任职于2001年至2011年）在他最近在斯坦福大学的演讲中表达了以下看法：
但是创业公司的员工，他们真的非常努力工作。
请您提供需要重写的文本内容，我将尽力帮助您。
甚至有网友爆料称：
欢迎在评论区留言讨论，您对此有何看法？
参考链接：
注意：您未提供需要重写的具体内容，仅重写了“参考链接”部分。若需重写其他内容，请提供详细信息。
本文来源于微信公众号：微信公众号（ID：QbitAI），作者为关注前沿科技。
