手机上的AI助手,多数时候还是"你打字、它回话"的老样子。谷歌给出的另一套答案叫 Gemini 4 Neon——一个专为移动端打造的多模态模型,把文字、语音、摄像头视觉、屏幕共享和媒体生成塞进同一个工作流里。
打开网易新闻 查看精彩图片
它的定位不是把桌面聊天机器人缩小搬到手机上,而是按"随时随地、快速响应"重新设计:低延迟语音交互、实时多模态输入,Android 和 iOS 都能用。
图像:Nano Banana 2 负责出图与改图
Gemini 4 Neon 集成了 Nano Banana 2(即 Gemini 3 Flash Image),主打快速、高保真的视觉创作,具体能力包括:
- 文生图:直接用自然语言提示词生成细节丰富的画面。
- 对话式修图:上传任意照片,用文字指令修改指定元素。
- 多图合成与风格迁移:混合多张参考图,或套用自定义视觉风格。
- Pro 级升级:需要更高精度时,用"Redo with Pro"选项调用 Nano Banana Pro 精修输出。
视频与音乐:Veo 和 Lyria 3 一起上
视频侧由 Veo 承担,可以在手机上直接做动态内容原型:
- 生成带同步音频提示的文生视频片段。
- 把已有的 Veo 片段延长成更长的序列。
- 通过指定首帧和尾帧、或用参考图引导,控制转场效果。
- 从文字提示或图片生成循环播放的动态 GIF。
音频侧由 Lyria 3 驱动,支持文生音乐、图生音乐、视频生音乐三种路径,可生成 30 秒高保真音轨,并对 tempo、曲风、情绪做细粒度控制。所有生成的音轨都带 SynthID 水印,用于负责任的 AI 归属标注。
Gemini Live:把手机变成实时语音助手
在 Android 和 iOS 上,Gemini Live 让 Gemini 4 Neon 变成一个语音优先的实时助手,能力集中在四点:
- 流畅语音对话:自然来回说话,同一对话线程里语音和文字可无缝切换,上下文不丢。
- 实时摄像头共享:把镜头对准物体、代码或真实场景,即时获得视觉分析。
- 手机屏幕共享:共享屏幕,在操作应用或排查问题时获得结合上下文的实时帮助。
- 文件、图片与 YouTube 讨论:随手上传文件或图片,或直接在对话里讨论 YouTube 视频。
把这些拼在一起看,Gemini 4 Neon 的取向很清楚:移动端AI不再只是文字问答的入口,而是语音、视觉、屏幕共享和全套媒体生成合流的一处工作台。对开发者和创作者来说,值得关注的不是单点功能有多强,而是这些能力被压缩进了同一块手机屏幕里。
热门跟贴