翻车，大翻车。
就在今天凌晨，谷歌版Her——Gemini Live正式发布。
毕竟明显是对标OpenAI家的GPT-4o，可以说是吸足了科技圈的眼球。
在官网发布的demo中，拍照问答功能的效果是这样的：
它大致实现的功能，是用手机拍摄演唱会的海报，并让Gemini查看用户的日历，看看行程是否适合参加。
以及还可以基于此进行一系列后续的操作，包括定时间查票价等等。
然而……当来到发布会现场演示环节的时候，画风却180°大变样。
请看VCR：
- 第一次：失败了。
- 第二次：失败了。
- 第三次：换手机，成功了。
嗯……小哥表情，肉眼可见的有点慌。
就连知名科技媒体TechCrunch都配上了这样的emoji：
甚至还有网友开启了辣评模式：
我10秒钟就能搜索我的日历。
当然，这只是今天Made by Google的一个小插曲。
关于Gemini Live的更多内容，我们继续往下看。
谷歌版Her的全貌
正如我们刚才提到的，Gemini Live和GPT-4o的功能十分相似。
除了“拍照问答”之外，它也可以做到实时对话，甚至在Gemini回复过程中进行打断。
据了解，目前Gemini Live的功能已经在安卓系统中向Advanced订阅者开放（仅限英语）。
未来几周，这个功能会陆续扩展到更多语言并且向iOS开放。
在对话声音方面，Gemini Live推出了10种新的声音供选择，效果是这样的：
在操作方面，由于Gemini已经完全集成到了系统中，所以只需长按电源按钮或说“Hey Google”，就可以调用了。
例如在写邮件的过程中，让Gemini帮你生成配图，效果如下：
不过对于这项功能，外媒们的评价却是褒贬不一。
例如The Verge的一位作者在亲测后给出的标题是——
Gemini Live比Google快，但更尴尬。
具体原因是作者在一次为期三天的公路旅行中，汽车的音频系统突然失效。
使用原先的谷歌助手寻找解决方案花费了至少五分钟，而Gemini Live仅耗时15秒。
但对话过程中的Gemini Live的持续发言和需要用户主动打断的交互方式，却让作者感到尴尬。
他认为：
声音和说话方式过于人性化，以至于在打断它时感到不自在。
与Gemini Live的互动中投入了更多情感，而不是将其作为解决问题的工具。
无独有偶，对于Gemini Live在云端运行这个点，华尔街日报也给出了犀利的评价——
对话上的进步，功能上的退步。
具体到技术层面，GPT-4o是一个端到端的系统，但从谷歌发布的内容来看，Gemini Live则并非如此。
而是将STT、VAD、LLM和TTS系统做了集成：
除此之外，谷歌所发布的新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和Pixel 9 Pro XL。
AI功能方面，谷歌的Pixel手机在拍照上增加了一个叫“Add Me”的功能。
可以用增强现实（AR）和AI技术，可以把两张不同照片中的人物“塞”到一起。
谷歌为什么追不上OpenAI？
虽然谷歌这次发布Gemini Live，算是对OpenAI GPT-4o的一种应战，但自从大模型时代拉开序幕以来，我们可以看到一个非常明显的一种趋势——
谷歌，跟不上OpenAI的脚步。
首先是在最为关键的ChatGPT发布的这个节点上，OpenAI成为了开拓者，但谷歌随后发布的Bard，和这次Gemini Live很相似，后续出现了翻车情况。
而后近一年半多的时间来，似乎所有重磅模型、重磅应用的发布，都是OpenAI在引领。
反观谷歌这边，不仅是技术呈现出步步慢的状态；甚至在舆论上，还出现了被OpenAI用一个人事变动（Ilya离职）消息盖过谷歌年度最大活动（I/O大会）热度的情况。
那么谷歌在大模型时代为什么不行了？
对此，前谷歌CEO Eric Schmidt（2001年至2011年任职）在斯坦福最新的演讲中表达了他的观点：
谷歌非常重视工作与生活的平衡，例如允许员工居家办公。
但创业公司，他们工作真的很拼。
甚至还有网友爆料称：
我兄弟是谷歌顶级AI程序员，他有3个全职工作，每天只在谷歌这边花2个小时。
