گوگل در به روزرسانی جدید Gemini برای Mac، راهی سریع برای فعال کردن حالت صوتی این چت بات اضافه کرده است. کاربران می توانند با نگه داشتن طولانی کلید Fn، از هر پنجره ای روی دسکتاپ با Gemini صحبت کنند؛ بنابراین برای شروع مکالمه صوتی، نیازی به باز کردن پنجره جداگانه یا ترک برنامه ای که در حال استفاده از آن هستند وجود ندارد.
فعال شدن حالت صوتی با نگه داشتن کلید Fn
میانبر جدید، حالت صوتی Gemini را مستقیما از محیط کار Mac در دسترس قرار می دهد. کاربر کافی است کلید Fn را برای مدتی نگه دارد تا بتواند درخواست خود را به زبان طبیعی بیان کند. این قابلیت برای کسانی طراحی شده است که می خواهند به جای تایپ کردن، درخواست هایشان را به صورت گفتاری با Gemini مطرح کنند و پاسخ یا خروجی مورد نیاز خود را در روند کار دریافت کنند.
در Mac، فشار دادن دوگانه کلید Fn یکی از روش های فعال کردن قابلیت دیکته داخلی سیستم است. به همین دلیل، میانبر جدید Gemini برای کاربرانی که پیش از این از دیکته صوتی خود macOS استفاده می کردند، رفتار ناآشنایی ندارد؛ هرچند در اینجا ورودی صوتی به Gemini فرستاده می شود و بخشی از پردازش متن را خود چت بات انجام می دهد.
دیکته هوشمند، بدون کلمات زائد و با اصلاح جمله ها
Gemini فقط صدای کاربر را به متن خام تبدیل نمی کند. این سرویس از دیکته هوشمند پشتیبانی می کند و هنگام تبدیل گفتار، مکث های گفتاری و کلمات پرکننده مانند «اِم» و «اِ…» را حذف می کند. نتیجه، متنی مرتب تر از رونویسی معمولی خواهد بود؛ متنی که در محل نشانگر تایپ قرار می گیرد.
یکی از قابلیت های این سیستم، تشخیص اصلاحات میان جمله است. برای نمونه، اگر کاربر هنگام صحبت کردن بخشی از جمله را اصلاح کند، Gemini می تواند این تغییر را تشخیص دهد و نسخه اصلاح شده را در متن نهایی وارد کند. این ویژگی به دیکته اجازه می دهد به گفتار طبیعی نزدیک تر باشد و کاربر مجبور نباشد برای تولید متن قابل استفاده، جمله های خود را بیش از حد رسمی یا شمرده بیان کند.
گوگل در توضیح این قابلیت گفته است که Gemini متن را به صورت قالب بندی شده در محل نشانگر وارد می کند. بنابراین هدف این ابزار، فقط نمایش رونوشت کلمه به کلمه نیست؛ بلکه متن خروجی باید برای استفاده در همان برنامه ای که کاربر در آن مشغول کار است، آماده تر باشد.
Gemini می تواند محتوای صفحه Mac را درک کند
در کنار حالت صوتی، Gemini برای Mac یک حالت اختیاری با نام screen-aware reasoning ارائه می دهد. این حالت باید توسط کاربر فعال شود و پس از فعال شدن، Gemini می تواند محتوای نمایش داده شده روی صفحه Mac را ببیند. فعال بودن این گزینه به چت بات اجازه می دهد درخواست هایی را بر اساس فایل ها، تصاویر، متن ها یا اسنادی که روی صفحه مشخص شده اند انجام دهد.
کاربر می تواند یک فایل، تصویر، متن یا سند را انتخاب کند و از Gemini بخواهد آن را ویرایش یا خلاصه کند. این قابلیت همچنین برای نوشتن و تنظیم محتوا در همان برنامه ای که کاربر در حال استفاده از آن است به کار می رود. به این ترتیب، Gemini برای انجام چنین درخواست هایی لزوما به انتقال دستی محتوا به یک پنجره چت جداگانه وابسته نیست.
حالت آگاه از صفحه فقط به محتوای متنی محدود نمی شود. زمانی که این حالت روشن باشد، Gemini می تواند تصاویر را نیز تولید یا ویرایش کند. منبع درباره جزئیات فنی این پردازش یا فهرست برنامه های سازگار توضیح بیشتری ارائه نکرده است، اما تاکید می کند که قابلیت با محتوای قابل مشاهده و انتخاب شده روی صفحه کار می کند.
عرضه جهانی فعلا فقط به زبان انگلیسی
حالت صوتی جدید Gemini برای Mac از روز انتشار به صورت جهانی برای همه کاربران Gemini روی Mac در حال عرضه است، اما در حال حاضر فقط از زبان انگلیسی پشتیبانی می کند. گوگل اعلام کرده است که قصد دارد در آینده زبان های بیشتری را به این قابلیت اضافه کند، ولی زمان مشخصی برای انتشار آن ها اعلام نکرده است.
در نتیجه، در دسترس بودن میانبر Fn به تنهایی به معنای پشتیبانی از همه زبان های گفتاری نیست. کاربرانی که می خواهند از دیکته صوتی Gemini استفاده کنند، فعلا باید درخواست های خود را به انگلیسی بیان کنند. همچنین حالت screen-aware یک گزینه انتخابی است و بدون فعال سازی آن، Gemini به محتوای صفحه Mac دسترسی نخواهد داشت.
این به روزرسانی، Gemini را به ابزارهایی نزدیک تر می کند که بخشی از کار با Mac را مستقیما از طریق صدا و محتوای همان صفحه انجام می دهند. تفاوت اصلی میان دو قابلیت جدید در این است که میانبر Fn برای ورود سریع به حالت صوتی طراحی شده، در حالی که حالت آگاه از صفحه برای اجرای درخواست هایی درباره فایل ها، متن ها، اسناد و تصاویر قابل مشاهده در محیط کار به کار می رود.
