Gemini for Mac को मिला वॉइस कंट्रोल: कैसे काम करता है इंटेलिजेंट डिक्टेशन और स्क्रीन अवेयरनेस मोड?

29 जुलाई, 2026 को Google ने macOS के लिए अपने Gemini ऐप में दो नई वॉइस क्षमताओं की घोषणा की: एक इंटेलिजेंट डिक्टेशन मोड जो सभी उपयोगकर्ताओं के लिए उपलब्ध है, और एक ऑप्ट-इन स्क्रीन अवेयरनेस मोड जो Gemini को आपके डेस्कटॉप की सामग्री देखने की अनुमति देता है । यहाँ पूरी जानकारी दी जा रही है।

क्या घोषित किया गया

Google ने Gemini macOS ऐप में एक प्रेस-एंड-होल्ड वॉइस इंटरैक्शन लेयर जोड़ा है, जिससे उपयोगकर्ता अपने डेस्कटॉप पर किसी भी विंडो से Fn की को देर तक दबाकर Gemini से बात कर सकते हैं । यह अपडेट दो अलग-अलग मोड प्रदान करता है।

दो मोड और वे कैसे काम करते हैं

1. इंटेलिजेंट डिक्टेशन (डिफ़ॉल्ट, हमेशा चालू)

• किसी भी ऐप में Fn की को देर तक दबाएं और प्राकृतिक रूप से बोलें ।
• Gemini आपके शब्दों को साफ, पॉलिश टेक्स्ट में बदलता है जो अपने आप फॉर्मेट हो जाता है - विराम चिह्न, कैपिटलाइज़ेशन को संभालता है, और यहां तक कि फिलर शब्दों ("उम," "आह," और बीच-बीच में सुधार) को भी हटा देता है ।
• आउटपुट आप जिस भी ऐप या टेक्स्ट फ़ील्ड में काम कर रहे हैं, वहीं पर दिखाई देता है। इसे macOS के बिल्ट-इन डिक्टेशन के एक स्मार्ट विकल्प के रूप में डिज़ाइन किया गया है ।

2. स्क्रीन अवेयरनेस (ऑप्ट-इन)

• इस सुविधा को आपको मैन्युअली सक्षम करना होगा (केवल ऑप्ट-इन) ।
• एक बार सक्षम होने पर, Gemini स्क्रीन-शेयरिंग अनुमति के माध्यम से आपकी स्क्रीन पर जो कुछ है उसे "देख" सकता है ।
• आप ऐसे वॉइस कमांड दे सकते हैं जो ऑन-स्क्रीन सामग्री का संदर्भ लेते हैं - जैसे, "इस दस्तावेज़ का सारांश दें" या "उस पैराग्राफ को संपादित करें" - और Gemini दिखाई देने वाली सामग्री पर कार्रवाई करता है ।
• The Verge के अनुसार, यह Gemini को "आपकी खुली विंडो के भीतर कार्य करने" देता है ।

गोपनीयता (प्राइवेसी) का पहलू

• इंटेलिजेंट डिक्टेशन ऑडियो को Google के क्लाउड पर प्रोसेस करता है; मानक Gemini गोपनीयता नीतियां लागू होती हैं (चैट डिफ़ॉल्ट रूप से 18 महीने तक स्टोर होती हैं, जिन्हें 3/36 महीने या ऑटो-डिलीट के विकल्पों के साथ बदला जा सकता है, और ऑप्ट-इन चैट पर मानव समीक्षा संभव है) ।
• स्क्रीन अवेयरनेस सबसे बड़ा गोपनीयता विचार है: इसके लिए Gemini को स्क्रीन-रिकॉर्डिंग अनुमति देना आवश्यक है। चूंकि यह ऑप्ट-इन है, इसलिए जब तक आप इसे स्पष्ट रूप से चालू नहीं करते, कुछ भी साझा नहीं किया जाता है । एक बार सक्षम होने पर, Google आपकी सक्रिय विंडो की सामग्री देख सकता है, जो किसी भी AI स्क्रीन-रीडिंग टूल (संवेदनशील जानकारी का आकस्मिक साझाकरण, क्रेडेंशियल दृश्यता, आदि) के समान चिंताएं पैदा करता है। Google का कहना है कि वह बड़ी कार्रवाई करने से पहले आपसे पूछता है, लेकिन स्क्रीन डेटा स्वयं Google के सर्वर पर प्रोसेस होता है ।

तुलना: Gemini बनाम ChatGPT डेस्कटॉप बनाम Apple Intelligence

फीचर	Gemini macOS (29 जुलाई)	ChatGPT डेस्कटॉप (23 जुलाई)	Apple Intelligence (Siri)
ट्रिगर	Fn की को देर तक दबाएं	इन-ऐप वॉइस बटन / कीबोर्ड शॉर्टकट	"हे सिरी" या बटन
दायरा	सिस्टम-व्यापी, कोई भी विंडो	ChatGPT ऐप के अंदर (Work/Codex एजेंट)	Siri के माध्यम से सिस्टम-व्यापी
स्क्रीन अवेयरनेस	हाँ, ऑप्ट-इन	हाँ (Work/Codex एजेंट, macOS पर Appshots के माध्यम से)	सीमित (कुछ ऐप्स में ऑन-स्क्रीन संदर्भ)
वॉइस मॉडल	Gemini का ट्रांसक्रिप्शन + रीज़निंग	GPT-Live-1 (दो-तरफा, बीच में टोकने योग्य)	ऑन-डिवाइस Siri मॉडल
दो-तरफा बातचीत	डिक्टेशन-केंद्रित; पूर्ण डुप्लेक्स नहीं	पूर्ण डुप्लेक्स (एक साथ बोलें + सुनें)	एक-शॉट क्वेरी
डेस्कटॉप ऑटोमेशन	स्क्रीन अवेयरनेस कमांड्स के माध्यम से	प्रत्यक्ष एजेंट नियंत्रण (Codex, Work)	शॉर्टकट + ऐप इरादे
प्लेटफ़ॉर्म	केवल macOS (इस सप्ताह)	macOS + Windows	macOS, iOS, iPadOS (Apple इकोसिस्टम)

मुख्य अंतर: ChatGPT डेस्कटॉप का GPT-Live-1 एक वास्तविक संवादी वॉइस मोड है - यह एक साथ सुन और बोल सकता है, बीच में टोकने को संभाल सकता है, और रीयल-टाइम में AI एजेंटों को निर्देशित कर सकता है । Gemini का दृष्टिकोण अधिक कार्य-उन्मुख है: तरल आगे-पीछे की बातचीत के बजाय डिक्टेशन और स्क्रीन-अवेयर कमांड। Apple Intelligence गहराई से ऑन-डिवाइस और सिस्टम-एकीकृत है, लेकिन इसमें Gemini या ChatGPT की जनरेटिव गहराई और क्रॉस-ऐप स्वायत्तता का अभाव है।

उपलब्धता विवरण

नया वॉइस कंट्रोल (29 जुलाई 2026)

• भाषा: शुरुआत में केवल अंग्रेज़ी; अतिरिक्त भाषाओं की कोई आधिकारिक सूची प्रकाशित नहीं की गई है ।
• ऐप संस्करण: नवीनतम Gemini for macOS ऐप (रोलिंग अपडेट, कोई विशिष्ट संस्करण संख्या जारी नहीं की गई) ।
• वैश्विक रोलआउट: 29 जुलाई से वैश्विक स्तर पर रोल आउट हो रहा है, लेकिन सभी क्षेत्रों तक पहुंचने में कुछ दिन लग सकते हैं ।
• आयु प्रतिबंध: 18+ (मानक Gemini आयु नीति)।
• सब्सक्रिप्शन: इंटेलिजेंट डिक्टेशन फ्री है; स्क्रीन अवेयरनेस भी लॉन्च पर मुफ्त है - किसी भी वॉइस फीचर के लिए Google AI Ultra या पेड टियर की आवश्यकता नहीं है ।

Gemini Spark (30 जून 2026 को आया)

• यह क्या है: एक 24/7 निरंतर AI एजेंट जो Google Cloud पर चलता है, भले ही आपके डिवाइस बंद हों। यह शेड्यूल और स्किल्स का उपयोग करके Gmail, Docs, Calendar, फ़ाइलों और तृतीय-पक्ष सेवाओं में कार्यों को स्वचालित करता है ।
• भाषा: लॉन्च पर केवल अंग्रेज़ी ।
• ऐप संस्करण: नवीनतम Gemini for macOS ऐप (बीटा) की आवश्यकता है; Spark Android, iOS, और वेब पर भी काम करता है ।
• वैश्विक रोलआउट: सीमित बीटा - 30 जून तक केवल अमेरिका । 29 जुलाई को भारत में रोलआउट की अलग से रिपोर्ट आई थी ।
• आयु प्रतिबंध: 18+।
• सब्सक्रिप्शन: केवल Google AI Ultra सब्सक्राइबर्स (पेड टियर) के लिए। फ्री Gemini पर उपलब्ध नहीं ।
• वॉइस कंट्रोल से मुख्य अंतर: Spark एक बैकग्राउंड एजेंट (सक्रिय, 24/7 ऑटोमेशन) है, जबकि वॉइस कंट्रोल एक रीयल-टाइम इनपुट विधि (प्रतिक्रियाशील, ऑन-डिमांड) है। Spark क्लाउड में स्वायत्त रूप से चलता है; वॉइस कंट्रोल के लिए आपका अपने Mac पर होना और सक्रिय रूप से बोलना आवश्यक है। Spark पैसे वाला है; वॉइस कंट्रोल मुफ्त है।