Обновленный Gemini Live: Визуальный ИИ-помощник, который меняет подход к общению

На основе опыта обозревателя, стандартный чат-бот Gemini теперь используется гораздо реже после знакомства с обновленным интерфейсом Gemini Live. Хотя Gemini Live от Google и считается одним из лучших инструментов искусственного интеллекта на сегодняшний день, ранее он воспринимался скорее как любопытная демонстрация возможностей, чем как ежедневный помощник. В обзоре отмечается, что мультимодальная камера Gemini Live (способная обрабатывать различные типы данных) и функции демонстрации экрана применялись лишь в случаях, когда требовался дополнительный контекст. Однако основным ИИ-инструментом для повседневных вопросов оставался базовый чат-бот Gemini. Ситуация изменилась после крупного обновления приложения Gemini, которое представило полностью переработанный пользовательский интерфейс Neural Expressive. В то время как многие обсуждают новый красочный и минималистичный дизайн приложения Gemini или функцию Gemini Daily Brief (ежедневная сводка от ИИ), именно Gemini Live стал ключевым нововведением, которое обозреватель использует постоянно.

Старый голосовой интерфейс Gemini Live уступил место новому подходу, ориентированному на визуальное представление контента, генерируемого искусственным интеллектом. Теперь во время общения в Gemini Live на экране отображаются произносимые слова, созданные изображения и другая информация. Отмечается, что появилась возможность копировать, делиться или экспортировать ответы Gemini Live, не прерывая диалог. По мнению обозревателя, это одно из самых недооцененных улучшений, представленных на конференции Google I/O.

Что нового в интерфейсе приложения Gemini?

Прежний опыт использования Gemini Live был оправдан для длительных голосовых диалогов или вопросов, требующих мультимодального контекста в реальном времени. Однако для быстрых запросов и простых вопросов он был неоптимален. Выходящий из употребления интерфейс Gemini Live занимал весь экран и не предлагал значительной визуальной ценности. На нём отображалась только анимированная форма звуковой волны во время речи Gemini, но пользователи не могли видеть или взаимодействовать с произносимым текстом.

Визуальный опыт при использовании видео был немного лучше, поскольку на экране отображался видоискатель для видеопотока, передаваемого Gemini. Обозреватель использовал функцию потоковой передачи видео Gemini Live для решения самых разных задач: от улучшения состояния растений до планировки квартиры. Тем не менее, эти визуальные элементы были связаны с контентом, которым пользователь делился с Gemini, а не наоборот.

Новый язык дизайна Neural Expressive от Google для Gemini Live сводит анимацию звуковой волны к небольшому элементу в форме "таблетки". Все освободившееся пространство теперь используется для наглядного отображения ответов Gemini. Как и прежде, пользователи могут свободно общаться с Gemini Live голосом и получать произносимые ответы в реальном времени. Однако теперь эти ответы также появляются на экране, что позволяет читать или слушать произносимую информацию.

Новые возможности многозадачности с Gemini Live

Обретенная ориентация на визуальный контент открывает новые сценарии использования Gemini Live. Например, пользователи могут попросить ИИ сгенерировать изображения с помощью Nano Banana 2 и сразу же увидеть результат. При этом разговор остается активным, позволяя вносить последующие корректировки и доработки, что было невозможно в старой версии Gemini Live.

Чтобы опробовать новые возможности, необходимо коснуться значка звуковой волны в элементе Neural Expressive на главном экране приложения Gemini. После этого запустится интерфейс Gemini Live, при этом пользователь останется на модифицированной версии домашней страницы.

Вокруг анимированного элемента Gemini Live расположены кнопки для потоковой передачи видео в реальном времени, демонстрации экрана, отключения микрофона и выхода. Для начала работы достаточно задать Gemini Live вопрос и наблюдать, как экран заполняется ответами чат-бота.

Именно здесь функциональность становится по-настоящему полезной. Пользователи могут прервать Gemini Live касанием, после чего на экране появится текстовая расшифровка сказанного чат-ботом — аналогичная той, что доступна в текстовой версии Gemini. Это открывает ряд элементов управления и функций, позволяя оценить ответ (поставить "лайк" или "дизлайк"), обновить или скопировать текст ответа Gemini Live, не прерывая беседу.

Ранее в старой версии Gemini Live для доступа к расшифровке и текстовым элементам управления требовалось завершить текущий сеанс чата.

Ответы от Gemini Live можно экспортировать в Google Документы, сохранить в черновик в Gmail или использовать для начала нового чата. Функция копирования позволяет легко перенести ответ Gemini Live в любое другое приложение, не завершая текущую беседу.

Gemini Live также можно запустить прямо с главного экрана устройства. Активировать Live можно, удерживая кнопку питания или проведя пальцем вверх от правого нижнего угла, а затем коснувшись значка звуковой волны Gemini Live. Компактный пользовательский интерфейс особенно удобен для многозадачности при работе с устройством.

По мере использования телефона интерфейс Gemini Live сворачивается в небольшой кружок, оставляя много свободного места для основного контента. При этом общение с Live остается активным. Касание кругового наложения возвращает кнопки, позволяя демонстрировать экран, транслировать изображение с камеры или отключать микрофон. Завершить разговор или отключить звук Gemini Live также можно из всплывающего уведомления в шторке.

Gemini Live может превзойти базовый Gemini

По мнению обозревателя, основной чат-интерфейс Gemini после обновления Neural Expressive сделал шаг назад. Стало сложнее находить функции, так как инструменты и вложения теперь объединены под одним меню. Также отсутствуют "подсказки-чипы", которые могли бы стимулировать идеи или помогать пользователям осваивать новые возможности Gemini. В то время как базовый чат Gemini стал менее функциональным, опыт использования Gemini Live значительно улучшился.

Смотрите также:

В PUBG появятся ИИ-напарники на базе Nvidia ACE: первые впечатления и детали тестирования http://stroybud.com/v-pubg-poyavyatsya-ii-naparniki-na-baze-nvidia-ace-pervyie-vpechatleniya-i-detali-testirovaniya/.

Интересности на тему: Эстония разрабатывает государственные цифровые удостоверения для ИИ-агентов

Классные советы в статье "Apple Intelligence может избавить iPhone от рекламного спама в уведомлениях" здесь.

Обновленная версия Gemini Live позволяет видеть текст, изображения и другую информацию на экране, пока голосовой помощник ИИ произносит ответы. В обзоре подчеркивается, что это дает почти все преимущества чат-интерфейса без необходимости печатать или отправлять множество запросов. Отмечается, что теперь, когда Gemini Live стал настолько полезным, другие варианты использования ИИ кажутся менее привлекательными.

Оптимальная работа Gemini Live

Смартфоны Google Pixel идеально подходят для работы с мультимодальным Gemini Live, а интерфейс Neural Expressive гармонично сочетается с языком дизайна Google Material 3 Expressive. Например, модель Google Pixel 10 оснащена чипом Tensor G5, 16-сантиметровым дисплеем и системой из трех камер.