Gemini火力全开！Project Astra正面硬刚GPT-4o，视频AI震破Sora

在刚刚过去的谷歌I/O 2024大会上，谷歌推出了一系列令人眼花缭乱的AI更新和新功能，全面反击OpenAI最新的GPT-4o。

 

Gemini时代的开启

大会一开始，谷歌CEO Sundar Pichai宣布：“我们已经完全进入了Gemini时代。” 

Gemini是谷歌最新的多模态AI模型，它的更新版本Gemini 1.5 Pro将上下文窗口扩大到了200万tokens，使得它可以处理更长的文本和复杂的多媒体文件。

Pichai表示，谷歌正处于AI平台转变的早期阶段，未来充满了机遇。

新版本Gemini Live还支持实时、深度语音对话，可以通过摄像头观察并分析环境，然后给出回应。这一点和chatgpt4-o简直一模一样

面对OpenAI的挑战，谷歌推出了Project Astra，这是一款日常生活中的AI代理。

Astra不仅可以理解实时音频和视频，还能进行推理并给出反馈。

例如，一位用户可以通过手机摄像头让AI识别办公室环境，并提问相关问题，AI代理能帮助用户完成诸如退货等操作。

虽然目前仍处于原型开发阶段，但Astra已经展示了它在日常生活中潜在的巨大应用前景。

Gemini Live和Gemini Nano

Gemini Live是谷歌推出的一款语音对话功能，旨在使人们与AI的交流更加自然。用户可以通过它用语音与Gemini交流，AI可以根据用户的指令进行实时调整。

 

Gemini Nano则是支持多模态的轻量级版本，能够处理文本、图片和音频，适用于更广泛的应用场景。

 

AI生成视频工具Veo

几个月前，OpenAI展示了Sora视频生成工具，谷歌不甘示弱，推出了自己的视频生成工具Veo。

Veo可以生成一分钟长的1080p视频，用户可以通过文本提示生成带有特效的视频。这一功能不仅展示了谷歌在视频生成方面的技术实力，也为未来的视频创作提供了无限可能。

将Gemini融入Android和Google Workspace

谷歌将Gemini与Android系统深度融合，使用户在浏览手机时，AI可以理解和预测用户的需求。

此外，Gemini还被整合到Google Workspace中，使其更加智能。例如，在Gmail中，Gemini可以总结所有关于学校的电子邮件，在Google Meet中，它可以总结会议重点。

长期以来，人们认为谷歌在AI领域处于跟随者的位置，但这次I/O大会展示了谷歌在AI方面的强大实力。

从超长的上下文窗口到多模态的AI助手，再到AI生成的视频工具，谷歌在多个方面展现了其技术优势。与OpenAI的发布会相比，谷歌的发布会更注重展示产品的实际应用，这也使得谷歌的AI技术更具吸引力。

结语

谷歌在I/O 2024大会上的表现无疑展示了其在AI领域的雄心和实力。从多模态AI模型Gemini，到日常生活中的AI代理Project Astra，再到AI生成视频工具Veo，谷歌正在全面提升其AI技术，并将其应用到人们的日常生活中。

发布会视频链接：https://twitter.com/i/status/1790542872711667841