- macOS 的 Gemini 現在推出先進的語音控制功能。
- 智能聽寫可將口語轉換為清晰文本，自動去除填充詞。
- Gemini 能理解屏幕上下文以執行複雜任務，增強用戶體驗。
- 用戶可利用語音生成和編輯圖片，提升工作效率。
在 2026 年 5 月的 I/O 大會上預覽後，macOS 的 Gemini 現在開始推出先進的語音控制功能。Google 宣稱這項功能可讓用户「在桌面上的任何窗口自然地講話」，主要涵蓋兩個關鍵特點。首先是智能聽寫，能將「口語轉換為清晰、精練的文本」，自動去除「嗯」和「啊」等語音填充詞，並考慮到用户在句中進行的修正。格式化的文本會在當前光標位置輸入，這應該可以提供類似即將推出的 Gemini Intelligence 中 Gboard Rambler 的語音轉文字體驗。
智能聽寫功能
第二項功能超越了單純的聽寫，能夠理解當前屏幕的上下文以執行複雜任務。這是一項選擇性功能，用户可在設定中啟用 Gemini 推理功能。
上下文理解能力
用户可以提取和總結信息：在桌面上突出顯示本地文件、圖片或文檔，並告訴 Gemini 具體需求。例如，可以説「閲讀這些獸醫文件，並在電子郵件中總結我的狗的醫療歷史給犬舍」。組織和重寫文本：在屏幕上隨處突出顯示文本，並利用語音立即重寫它，調整語氣，並將精練版本直接放置於所需位置。可以嘗試説：「將這些筆記轉換為高管摘要，並在頂部附上 TL;DR。」生成和編輯圖片：使用語音創建視覺效果，以便在構思想法或增強旅行行程時，或在桌面上參考設計請求快速更新。
可以説：「將這幅插圖生成暗黑模式版本。」
長按 Fn 鍵可在 macOS 的任何位置啟用，或點擊「詢問 Gemini」提示框末尾的新屏幕共享按鈕。請確保已更新至最新版本（1.88）的 Gemini for macOS，這項新的語音功能將在全球範圍內向所有英語用户推出，更多語言將「即將推出」。
Gemini 語音控制的應用潛力
Gemini for macOS 的推出標誌著語音控制技術的進一步成熟，尤其是在智能聽寫和上下文理解方面。這不僅能提升用戶的工作效率，還能讓語音交互變得更加自然。用戶能夠通過語音指令執行複雜任務，這對於日常工作和創意過程都有顯著的幫助。隨著語音技術的持續發展，未來可能會出現更多語言支持，進一步擴大其使用範圍。