Google Gemini KI met regstreekse video-analise en skermdelingsfunksionaliteit – Mobile World Congress (MWC) 2025 – Beeld: Xpert.Digital
Multimodale interaksie: Die toekoms van die Google KI-assistent
Nuwe KI-kenmerke: Wat die Gemini Boost vir gebruikers beteken
By die Mobile World Congress (MWC) 2025 in Barcelona het Google beduidende verbeterings vir sy KI-assistent Gemini onthul, wat ontwerp is om die gebruikerservaring deur nuwe visuele kenmerke te verbeter. Die belangrikste toevoegings sluit in regstreekse video-analise en skermdelingsvermoëns, wat einde Maart beskikbaar sal wees vir intekenare van die Google One KI-premiumplan. Hierdie ontwikkelings is 'n belangrike mylpaal in Google se strategie om kunsmatige intelligensie dieper in die alledaagse lewe te integreer en multimodale interaksie te verbeter
Geskik vir:
Die nuwe visuele kenmerke vir Gemini
Regstreekse video-analise
Een van die uitstaande innovasies wat Google by MWC 2025 onthul het, is die regstreekse videofunksie vir Gemini. Hierdie tegnologie stel gebruikers in staat om die KI intyds te wys wat hul slimfoonkamera vasvang en in 'n natuurlike dialoog betrokke te raak. Die funksie, wat die eerste keer by Google se I/O-konferensie in Mei 2024 gewys is, is nou gereed vir bekendstelling. In 'n demonstrasievideo wat deur Google gewys is, rig 'n pottebakker haar kamera op 'n versameling keramiekstukke en vra Gemini vir raad oor die keuse van kleure vir haar volgende vaas. Die KI-assistent ontleed die beskikbare kleure en gee 'n ingeligte aanbeveling vir 'n geskikte glans.
Hierdie kenmerk benut Gemini se multimodale vermoëns om visuele inligting intyds te verwerk en dit binne die konteks van 'n natuurlike gesprek te interpreteer. Dit is deel van Google se groter projek, bekend as "Projek Astra", en verteenwoordig 'n beduidende vooruitgang in die ontwikkeling van KI-assistente wat in staat is om met die werklike wêreld te kommunikeer.
Skermdelingsfunksionaliteit
Die tweede belangrike visuele verbetering is die skermdelingsfunksie, wat gebruikers toelaat om hul slimfoonskerm met Gemini te deel. Wanneer die Gemini-koppelvlak op Android bekendgestel word, verskyn 'n nuwe knoppie met die naam "Deel skerm met Live", wat gebruikers in staat stel om hul skerm intyds met die KI-assistent te deel. Hierdie funksie word aangevul deur 'n nuwe kennisgewing wat soos 'n oproep gestileer is, wat naatlose integrasie in die gebruikerskoppelvlak moontlik maak.
In praktiese toepassingscenario's kan Gemini hierdie funksie gebruik om byvoorbeeld met aanlyn inkopies te help. In 'n demonstrasie wys Google hoe 'n gebruiker Gemini kan vra wat goed sal pas by 'n paar jeans wat op die skerm vertoon word. Gebaseer op wat dit sien, kan Gemini dan aanbevelings maak en die gebruiker deur die inkopieproses lei.
Tegniese besonderhede en beskikbaarheid
Tydlyn vir die bekendstelling
Google beplan om die nuwe regstreekse video- en skermdelingfunksies reeds in Maart 2025 aan Gemini Advanced-intekenaars bekend te stel. Hierdie funksies sal aangebied word as deel van die Google One AI Premium-plan, wat €21.99 per maand kos. Aanvanklik sal die verbeterings slegs beskikbaar wees vir Android-toestelle, met Pixel- en Samsung-toestelle onder die eerstes wat ondersteun sal word.
Integrasie in Gemini Live
Die nuwe visuele kenmerke is geïntegreer in Gemini Live, Google se deurlopende KI-assistent wat intydse gesprekke moontlik maak. Gemini Live is opgedateer met Gemini 2.0 Flash, 'n weergawe van die multimodale model wat spesifiek geoptimaliseer is vir vinnige, mobiele gebruik. Interessant genoeg word skermdeling ondersteun deur 'n nuwe kennisgewing wat soos 'n telefoonoproep gestileer is, wat naatlose integrasie in die gebruikerservaring moontlik maak.
Tegnologiese basis
Die nuwe kenmerke is gebaseer op Project Astra, Google se inisiatief vir 'n universele, multimodale KI-assistent. Die doel van hierdie projek is om 'n assistent te ontwikkel wat teks-, video- en oudiodata intyds kan verwerk en dit binne 'n gesprekskonteks van tot tien minute kan stoor. Hierdie tegnologie is ook bedoel om Google Search, Lens en Maps te benut om 'n omvattende assistent-ervaring te bied.
Geskik vir:
Tweeling in die konteks van die KI-assistentmark
Mededingende posisionering
Met hierdie nuwe visuele kenmerke posisioneer Google homself strategies teen sy hoofmededinger, OpenAI, en sy ChatGPT. ChatGPT se Gevorderde Stemmodus ondersteun sedert Desember 2024 regstreekse en skermdeling. Deur hierdie kenmerke in Gemini Live te integreer, verseker Google dat sy KI-assistent mededingend bly en vergelykbare vermoëns bied.
Betekenis vir die slimfoonbedryf
Die bekendstelling van gevorderde KI-funksies soos dié wat deur Gemini aangebied word, kan 'n beduidende impak op die slimfoonbedryf hê. Na twee jaar van dalende verkope, waartydens baie verbruikers hul toestelle langer behou het, kan die integrasie van KI-assistente met verbeterde vermoëns nuwe aankoopaansporings skep. In Duitsland, volgens 'n opname deur Bitkom, besit slegs een uit elke drie mense nou 'n toestel wat minder as 'n jaar oud is – af van 55 persent in 2023.
Slimfoonvervaardigers gebruik die nuwe KI-kenmerke as 'n onderskeidende faktor, aangesien die toestelle baie soortgelyk is in voorkoms en tegnologie. Samsung demonstreer byvoorbeeld hoe 'n agent op sy nuwe S25-slimfoon take oor verskeie toepassings kan uitvoer, terwyl Oppo die visuele vermoëns van kunsmatige intelligensie vir beeldverwerking ten toon stel.
Meer opdaterings vir Gemini
Verbeterde taalondersteuning
Benewens sy visuele kenmerke, het Google ook Gemini se taalvermoëns uitgebrei. Die KI-assistent kan nou 45 tale verstaan en praat. Een besonder innoverende kenmerk is die vermoë om tale te wissel midde-in 'n sin sonder dat gebruikers hul foon se taalinstellings hoef te verander – “Gemini Live sal verstaan en reageer.”.
Nuwe widgets vir iPhone-gebruikers
Alhoewel die visuele kenmerke aanvanklik slegs vir Android-toestelle beskikbaar sal wees, het Google ook opdaterings vir iPhone-gebruikers aangekondig. Weergawe 1.2025.0762303 van die Gemini-app stel ses verskillende sluitskerm-widgets bekend wat vinniger toegang tot die KI-assistent bied. Hierdie widgets sluit opsies in soos "Tikprompt", "Praat met Gemini Live", "Maak mikrofoon oop", "Gebruik kamera", "Deel beeld" en "Deel lêer". Hulle kan op beide die sluitskerm en die iPhone se Beheersentrum geplaas word, wat dit makliker maak om toegang tot Gemini te kry.
Sommige waarnemers interpreteer hierdie ontwikkeling as 'n poging om iPhone- en iPad-gebruikers weg te lok van Apple se stemassistent, Siri. Verslae dui daarop dat Apple stadige vordering maak met die ontwikkeling van 'n kragtiger weergawe van Siri wat met toonaangewende KI-platforms kan meeding.
Gevolgtrekking: Betekenis en Vooruitsigte
Die opdaterings vir Gemini, wat deur Google by MWC 2025 aangebied is, dui op 'n belangrike stap in die evolusie van KI-assistente. Die nuwe visuele kenmerke – regstreekse video-analise en skermdeling – maak meer intuïtiewe en konteksbewuste interaksie tussen gebruikers en die kunsmatige intelligensie moontlik. Dit is deel van 'n breër ontwikkeling na multimodale assistente wat toenemend met die werklike wêreld kan kommunikeer.
Die integrasie van hierdie funksies kan verreikende gevolge vir verskeie sektore hê. Vir die slimfoonbedryf kan dit nuwe aankoopaansporings skep en help om die stagnante mark te laat herleef. Vir gebruikers bied dit nuwe moontlikhede vir die gebruik van KI in die alledaagse lewe, of dit nou vir inkopies, kreatiewe projekte of inligtingsoektogte is.
Terselfdertyd beklemtoon hierdie ontwikkelings die voortdurende mededinging tussen groot tegnologiemaatskappye op die gebied van KI-assistente. Google, OpenAI, Apple en ander werk voortdurend daaraan om hul assistente te verbeter en hulle met nuwe funksies toe te rus. Dit dryf innovasie aan en kan in die komende jare tot selfs kragtiger en meer intuïtiewe KI-assistente lei.
Met Projek Astra en die nuwe funksies vir Gemini, stel Google sy langtermynvisie vir KI-assistente ten toon: hulle moet universeel, multimodaal en diep geïntegreer wees in die alledaagse lewe. Die opdaterings wat by MWC 2025 aangebied is, is 'n belangrike stap in hierdie rigting en bied 'n kykie na die toekoms van mens-masjien-interaksie.
Geskik vir:
Jou globale bemarkings- en besigheidsontwikkelingsvennoot
☑️ Ons besigheidstaal is Engels of Duits
☑️ NUUT: Korrespondensie in jou landstaal!
Konrad Wolfenstein
Ek sal graag jou en my span as 'n persoonlike adviseur dien.
Jy kan my kontak deur die kontakvorm hier in te vul of bel my eenvoudig by +49 89 89 674 804 (München) . My e-posadres is: wolfenstein ∂ xpert.digital
Ek sien uit na ons gesamentlike projek.
