IT之家 5 月 14 日消息，人工智能聊天機(jī)器人領(lǐng)域烽煙再起，谷歌和 OpenAI 之間激烈的競爭態(tài)勢愈演愈烈。就在谷歌一年一度的 I / O 開發(fā)者大會召開前夕，這家科技巨頭發(fā)布了一段視頻，展示了疑似經(jīng)過升級的 Gemini 聊天機(jī)器人。視頻中，Gemini 可以同時實(shí)時處理來自視頻和語音的輸入。
這段視頻貌似是在 I / O 大會搭建現(xiàn)場拍攝的，視頻展示了 Gemini 在一臺 Pixel 手機(jī)上流暢地處理實(shí)時視頻和語音提問，并準(zhǔn)確地提供信息。當(dāng)被問到正在進(jìn)行的布置工作時，Gemini 正確識別出這是為一個重要活動做的準(zhǔn)備。
整個對話過程自然流暢，Gemini 還會詢問用戶注意到的細(xì)節(jié)，成功識別出了該活動為谷歌 I / O 開發(fā)者大會，并進(jìn)行了簡要介紹。
谷歌發(fā)布該預(yù)告片的時機(jī)非常巧妙，恰好在 OpenAI 有關(guān) ChatGPT 的發(fā)布會前幾個小時，OpenAI 在此發(fā)布會上推出了全新的 ChatGPT-4o 大模型，其理解和對話的流暢性以及連貫性方面都達(dá)到了無與倫比的水平。
雖然過去的一些演示視頻讓外界對這類內(nèi)容持有一定的懷疑態(tài)度，但今天展示的案例無疑證實(shí)了人工智能聊天機(jī)器人可以無縫集成語音和視頻輸入。這種多模態(tài)能力，加上非常自然的對話流，讓我們仿佛看到了未來人工智能交互的一瞥。
