这段视频貌似是在 I / O 大会搭建现场拍摄的，视频展示了 Gemini 在一台 Pixel 手机上流畅地处理实时视频和语音提问，并准确地提供信息。当被问到正在进行的布置工作时，Gemini 正确识别出这是为一个重要活动做的准备。
整个对话过程自然流畅，Gemini 还会询问用户注意到的细节，成功识别出了该活动为谷歌 I / O 开发者大会，并进行了简要介绍。
谷歌发布该预告片的时机非常巧妙，恰好在 OpenAI 有关 ChatGPT 的发布会前几个小时，OpenAI 在此发布会上推出了全新的 ChatGPT-4o 大模型，其理解和对话的流畅性以及连贯性方面都达到了无与伦比的水平。
虽然过去的一些演示视频让外界对这类内容持有一定的怀疑态度，但今天展示的案例无疑证实了人工智能聊天机器人可以无缝集成语音和视频输入。这种多模态能力，加上非常自然的对话流，让我们仿佛看到了未来人工智能交互的一瞥。
