Gemini på Mac får stemmestyring med intelligent diktat og skærmbevidsthed

Hvad blev annonceret

Google har implementeret et tryk-og-hold stemmeinteraktionslag i Gemini-appen til macOS, så brugere kan tale til Gemini fra ethvert vindue på skrivebordet ved at holde Fn-tasten nede . Opdateringen indeholder to forskellige tilstande.

De to tilstande – og hvordan de fungerer

1. Intelligent diktat (standard, altid tilgængelig)

• Hold Fn-tasten nede i ethvert program, og tal naturligt .
• Gemini transskriberer dine ord til ren, poleret tekst, der automatisk formaterer sig selv – den håndterer tegnsætning, store og små bogstaver og fjerner fyldord ("øh", "altså" og midtvejsrettelser) .
• Outputtet vises direkte i det program eller tekstfelt, du bruger. Designet som en smartere erstatning for macOS' indbyggede diktat .

2. Skærmbevidsthed (skal aktiveres)

• Du skal manuelt aktivere denne funktion .
• Når den er aktiveret, kan Gemini "se", hvad der er på din skærm via skærmdelings-tilladelser .
• Du kan lave stemmekommandoer, der refererer til indhold på skærmen – f.eks. "resuméér dette dokument" eller "rediger det afsnit" – og Gemini handler på det synlige indhold .
• The Verge beskriver det som, at Gemini kan "udføre opgaver i dine åbne vinduer" .

Privatlivsafvejning

• Intelligent diktat behandler lyd i Googles cloud; de sædvanlige Gemini-privatlivspolitikker gælder (chats gemmes som standard i 18 måneder med mulighed for 3/36 måneder eller automatisk sletning, og menneskelig gennemgang er mulig på tilvalgte chats) .
• Skærmbevidsthed er det større privatlivsmæssige hensyn: det kræver, at du giver Gemini tilladelse til skærmoptagelse. Da det er en funktion, man aktivt tilvælger, deles intet, medmindre du specifikt slår den til . Når den er aktiveret, kan Google se indholdet af dine aktive vinduer, hvilket rejser samme type bekymringer som andre AI-skærmlæsningsværktøjer (utilsigtet deling af følsomme oplysninger, synlige legitimationsoplysninger osv.). Google siger, at de tjekker med dig, før de foretager større handlinger, men skærmdataene behandles på Googles servere .

Sammenligning: Gemini vs ChatGPT Desktop vs Apple Intelligence

Væsentlige forskelle: ChatGPT Desktops GPT-Live-1 er en ægte samtaleorienteret stemmetilstand – den kan lytte og tale samtidigt, håndtere afbrydelser og styre AI-agenter i realtid . Geminis tilgang er mere opgaveorienteret: diktat plus skærmbevidste kommandoer frem for flydende frem-og-tilbage-chat. Apple Intelligence er dybt integreret på enheden og i systemet, men mangler den generative dybde og tværgående autonomi, som Gemini og ChatGPT tilbyder.

Tilgængelighed

Ny stemmestyring (29. juli 2026)

• Sprog: Engelsk i første omgang; ingen officiel liste over yderligere sprog er offentliggjort .
• App-version: Seneste Gemini til macOS-app (rullende opdatering, intet specifikt versionsnummer offentliggjort) .
• Global udrulning: Ruller globalt ud fra 29. juli, men kan tage dage at nå alle regioner .
• Aldersbegrænsning: 18+ (standard Gemini-alderpolitik).
• Abonnement: Gratis for intelligent diktat; Skærmbevidsthed er også gratis ved lancering – ingen Google AI Ultra eller betalt niveau kræves for nogen af stemmefunktionerne .

Gemini Spark (ankom 30. juni 2026)

• Hvad det er: En 24/7 vedvarende AI-agent, der kører i Google Cloud, selv når dine enheder er slukket. Den automatiserer opgaver på tværs af Gmail, Docs, Kalender, filer og tredjepartsprogrammer ved hjælp af tidsplaner og færdigheder .
• Sprog: Kun engelsk ved lancering .
• App-version: Kræver den seneste Gemini til macOS-app (beta); Spark fungerer også på Android, iOS og web .
• Global udrulning: Begrænset beta – kun USA pr. 30. juni . En udrulning i Indien blev separat rapporteret den 29. juli .
• Aldersbegrænsning: 18+.
• Abonnement: Kun for Google AI Ultra-abonnenter (betalt niveau). Ikke tilgængelig på gratis Gemini .
• Væsentlig forskel fra stemmestyring: Spark er en baggrundsagent (proaktiv, 24/7-automation), mens stemmestyring er en realtids-inputmetode (reaktiv, on-demand). Spark kører selvstændigt i skyen; stemmestyring kræver, at du er ved din Mac og aktivt taler. Spark koster penge; stemmestyring er gratis.