導語：根據 WIRED 於 2025年12月29日 報道，Google 對 Gemini Live 作出重大升級，強化咗實時多模態理解同更長嘅上下文記憶。升級不止係模型能力提升，介面同互動亦加入多個針對日常場景嘅快捷操作。以下係 WIRED 文章入面即刻可以上手嘅三個「新花樣」，每項都附有具體步驟同使用提示，方便讀者喺手機上重現。
1. 將手機鏡頭變成「隨身專家」——實時識別＋分步指導
操作要點：打開 Gemini 應用，點按「Live」標籤，授權鏡頭與咪高峰（麥克風）。將鏡頭對準目標物件（電器、衣服洗滌標籤、食物包裝等），喺畫面下方嘅輸入框用口語化描述你想做嘅事。WIRED 指出，升級後嘅 Gemini 能夠喺畫面內定位關鍵區域，並提供分步操作建議，例如拆裝說明或故障排查流程。
細節提醒：當 Gemini 標示圖像中「可能嘅螺絲位置」或「危險點」時，會喺螢幕上以高亮標註，使用者可以邊睇標註邊聽語音提示，適合維修／拆裝場景。文章強調權限管理——開啟鏡頭連續輸入時要注意私隱設定，避免喺敏感場合長時間直播。
2. 令 Gemini 喺多人對話中擔任主持同筆記員——實時摘要與任務清單
操作要點：喺線上會議或面對面訪談時，啟動 Gemini Live 並切換到「會議」模式（WIRED 指呢個模式會優先開啟語音轉寫同發言者識別）。Gemini 可即時生成要點、分配任務，並輸出帶時間戳嘅簡短摘要。
細節提醒：WIRED 指出新版本改進咗對多個講者音軌嘅分離，能更準確標注「邊個講咗乜」。當會議出現決議或行動項目時，Gemini 會將佢哋列為可點擊任務，使用者可以一鍵將任務導出為日曆提醒或發訊息畀相關人士。對年輕用家嚟講，代表由聊天到執行嘅鏈路被 AI 無縫連接，省去事後整理筆記嘅繁複。
3. 視覺輸入直接變成可執行清單或代碼片段——由相片到行動嘅捷徑
操作要點：當你影一張餐牌、手寫筆記、產品包裝或螢幕截圖並上傳到 Gemini，系統會嘗試將視覺資訊結構化：例如從餐牌生成購物清單、由手寫研究筆記生成大綱，或把螢幕入面嘅 UI 元素摘錄成前端代碼片段。
細節提醒：WIRED 舉咗個例子：將白板影相上傳後，Gemini 不但識別出關鍵詞，而且能按優先次序排列並輸出可複製嘅辦事清單；對開發者用家，佢可以將畫面上嘅界面元素對應成 HTML/CSS 草稿，節省由原型到代碼前期嘅工時。文章強調係「減少由視覺到行動之間嘅摩擦」，而唔係完全取代人工判斷，建議將 AI 生成嘅內容當做初稿並做人工校對。
結語：WIRED 喺文中反覆提醒：今次升級將 Gemini Live 由「識傾偈嘅模型」推向「識做嘢嘅助手」。對年輕用家嚟講，明顯吸引力係「隨手一拍即有可用成果」同「會議筆記自動化」——用 AI 將碎片時間變成產出。不過文章亦強調私隱同準確性問題：長期開啟鏡頭同咪高峰要謹慎，AI 生成嘅技術或法律建議仍需人類把關。
如果你想快啲試下，WIRED 建議先喺熟悉嘅非敏感場景開啟功能：拆解舊電子產品、將課堂筆記影相整理，或者喺小組討論中測試自動摘要，檢驗 Gemini 喺你常用場景嘅可靠性同節省時間嘅效果。
▶️ 鍾意呢篇內容？創作好辛苦！
歡迎追蹤我哋嘅 YouTube 頻道：
AI Rosetta
你嘅讚好、訂閱同分享，係對我哋最大嘅支持！🙏
更多 AI 新聞請瀏覽：https://www.airosetta.com