Gemini Live 与 Pixel AI：Matthew Berman 解读 Google 2024 年发布会

Matthew Berman 解读 Google 2024 年 8 月 Made by Google 发布会上的 AI 公告。他播放部分演示片段并加入自己的看法，重点关注 Gemini 集成、语音交互和 Pixel 功能。

Berman 说，他自己对 Gemini 1.5 Pro 及其实验版本的测试结果令人失望，也曾遇到 AI Studio 回答中途截断的问题。Google 引用了排行榜结果，但他更看重自己的实际测试。他的体验和展示的基准属于不同类型的证据。

他认为 Google 的优势在于 Android 硬件生态和广泛使用的应用。他设想助手可以跨服务代办任务，同时看好端侧模型可能降低延迟、减少发送到外部的数据。

Google 介绍了 Search、Docs、Gmail 和 Chrome 中的 Gemini 功能。Berman 觉得邮件线程摘要和 Sheets 公式建议有帮助，但说自己尚未大量使用这些集成。他也试过 Android 上的 Gemini，认为有用但并不完善。

一个智能家居演示询问是什么弄坏了菜园，并检索出相关摄像头片段。Berman 认为这个功能令人印象深刻，同时指出其隐私影响。Google 还介绍了用于端侧体验的 Gemini Nano 模型。

Google 介绍 Android 上的 Gemini，并称某些敏感任务可在设备上处理，其他复杂请求则使用 Google 云服务。Berman 喜欢本地处理，预测小模型将承担大部分任务，较困难的问题留给云端；这一比例是他的预测。

Berman 说，自己的 Android 助手有时拒绝控制灯光，尽管之前的 Google Assistant 可以完成。他欣赏新增的语言能力，但认为熟悉的操作消失或变得不可靠是实际缺点。

现场演示中，一位演示者拍摄演唱会海报，要求 Gemini 检查日历是否有冲突。请求失败两次后，演示者换了一台设备，最终得到了结果。Berman 既看到视觉信息与日历结合的潜力，也看到复杂现场工作流仍有不完善之处。

演示者随后设置提醒并更新购物清单。Berman 说，自己此前使用提醒功能曾多次失败。他还提到一个不便：自己更喜欢 iPhone，却把大量数据保存在 Google 应用中。

Google 介绍 Gemini Live，称这是一种可以打断和转移话题的语音对话模式。Berman 将此次发布与 OpenAI 的语音演示作比较，并提出发布时间的差异是否反映了测试差异；他没有提供能够确定这一点的证据。

发布会展示了声音选择，以及一段关于儿童教育活动的对话。Berman 喜欢回答延迟，但认为演示的声音不如 GPT-4o 语音演示自然。这是他对发布会的个人印象，并非受控比较。

Berman 说 Gemini Live 在发布会当天推出，并计划亲自测试。随后发布会转向 Pixel 9 和 Google 的 Tensor G4 芯片，介绍其为端侧 AI 所做的设计。

Google 称 Pixel 9 运行多模态 Gemini Nano，并展示了最高每秒 45 个 token 的输出速度。Berman 欢迎这种硬件和本地模型组合，但希望先测试实际表现再下结论。

Pixel 天气演示生成了一段自然语言天气报告。Berman 质疑在这个任务中，一段文字是否比可视化天气界面更有用。Google 还提到垃圾来电功能；他指出这并不完全是新功能。

Pixel Studio 演示使用端侧扩散模型和云端 Google Imagen 3 生成图片。演示者制作海滩派对邀请函，加入金门大桥和烟花，并改变视觉风格。Berman 喜欢演示中展现的速度和灵活性。

发布会还展示了 Add Me：一人先拍摄合影，再与摄影者交换位置，手机将两次拍摄合成。增强现实叠加画面帮助对齐第二张照片。Berman 认为它很实用，也思考合成图片如何让照片作为单一时刻记录的概念变得复杂。

Berman 总结说，这场发布会展示了一些有用的功能，但在他看来并非革命性进展。他期待语言模型进入手机，并计划进一步测试 Gemini 和 Apple Intelligence。他的判断与可用性描述反映的是 2024 年 8 月的情况。