Gemini pro Mac nyní poslouchá a vidí: Google spouští chytrý diktát a sledování obrazovky

Co bylo oznámeno

Google do aplikace Gemini pro macOS přidal vrstvu hlasové interakce. Uživatelé nyní mohou mluvit na Gemini z libovolného okna na ploše – stačí dlouze stisknout klávesu Fn . Aktualizace přináší dva odlišné režimy.

Jak oba režimy fungují

1. Inteligentní diktát (výchozí, vždy zapnutý)

• Dlouze stiskněte klávesu Fn v libovolné aplikaci a mluvte přirozeně .
• Gemini přepíše vaše slova do čistého, formátovaného textu, který se sám upraví – zvládá interpunkci, velká písmena a dokonce odstraňuje výplňková slova („ehm“, „no“ a opravy uprostřed věty) .
• Výstup se objeví přímo v aplikaci nebo textovém poli, kde právě pracujete. Funkce je navržena jako chytřejší náhrada vestavěného diktování v macOS .

2. Sledování obrazovky (volitelné)

• Tuto funkci musíte ručně zapnout (opt-in) .
• Po aktivaci může Gemini „vidět“, co je na vaší obrazovce, prostřednictvím oprávnění ke sdílení obrazovky .
• Můžete vydávat hlasové příkazy, které odkazují na obsah na obrazovce – například „shrnout tento dokument“ nebo „upravit ten odstavec“ – a Gemini podle viditelného obsahu jedná .
• Server The Verge popisuje tuto funkci tak, že Gemini může „provádět úkoly v rámci vašich otevřených oken“ .

Kompromis v oblasti soukromí

• Inteligentní diktát zpracovává zvuk v cloudu Google; platí standardní zásady ochrany soukromí Gemini (chaty se standardně ukládají 18 měsíců, s možností nastavit 3/36 měsíců nebo automatické mazání, a u opt-in chatů je možná lidská revize) .
• Sledování obrazovky představuje větší riziko pro soukromí: vyžaduje udělení oprávnění k nahrávání obrazovky. Protože se jedná o opt-in, nic se nesdílí, dokud funkci výslovně nezapnete . Jakmile je aktivní, Google vidí obsah vašich aktivních oken, což vyvolává stejný typ obav jako u jakéhokoli nástroje AI pro čtení obrazovky (náhodné sdílení citlivých informací, viditelnost přihlašovacích údajů atd.). Google uvádí, že se vás před provedením důležitých akcí zeptá, ale samotná data z obrazovky se zpracovávají na serverech Google .

Srovnání: Gemini vs. ChatGPT Desktop vs. Apple Intelligence

Klíčové rozdíly: Hlasový režim ChatGPT Desktopu (GPT-Live-1) je skutečný konverzační hlasový mód – dokáže zároveň poslouchat a mluvit, zvládá přerušení a řídí AI agenty v reálném čase . Přístup Gemini je více orientovaný na úkoly: diktát plus příkazy s vědomím obrazovky, nikoli plynulý dialog. Apple Intelligence je hluboce integrovaná do systému a běží převážně v zařízení, ale postrádá generační hloubku a autonomii napříč aplikacemi, kterou nabízí Gemini nebo ChatGPT.

Podrobnosti o dostupnosti

Nové hlasové ovládání (29. července 2026)

• Jazyk: Zpočátku pouze angličtina; oficiální seznam dalších jazyků nebyl zveřejněn .
• Verze aplikace: Nejnovější aplikace Gemini pro macOS (průběžná aktualizace, nebylo zveřejněno žádné konkrétní číslo verze) .
• Globální nasazení: Celosvětově od 29. července, ale do některých regionů se může dostat až za několik dní .
• Věkové omezení: 18+ (standardní věková politika Gemini).
• Předplatné: Inteligentní diktát je zdarma; Sledování obrazovky je také při spuštění zdarma – pro žádnou z hlasových funkcí není vyžadován tarif Google AI Ultra ani placená úroveň .

Gemini Spark (dostupný od 30. června 2026)

• Co to je: Nepřetržitý AI agent, který běží 24/7 v cloudu Google, i když jsou vaše zařízení vypnutá. Automatizuje úkoly napříč Gmailem, Dokumenty, Kalendářem, soubory a službami třetích stran pomocí Plánů a Dovedností .
• Jazyk: Při spuštění pouze angličtina .
• Verze aplikace: Vyžaduje nejnovější aplikaci Gemini pro macOS (beta); Spark funguje také na Androidu, iOS a webu .
• Globální nasazení: Omezená beta – k 30. červnu pouze USA . Samostatně bylo 29. července hlášeno spuštění v Indii .
• Věkové omezení: 18+.
• Předplatné: Pouze pro předplatitele Google AI Ultra (placená úroveň). Není k dispozici pro bezplatné Gemini .
• Klíčový rozdíl od hlasového ovládání: Spark je agent na pozadí (proaktivní, 24/7 automatizace), zatímco hlasové ovládání je vstupní metoda v reálném čase (reaktivní, na vyžádání). Spark běží autonomně v cloudu; hlasové ovládání vyžaduje, abyste byli u Macu a aktivně mluvili. Spark je placený; hlasové ovládání je zdarma.