Gemini на Mac заговорил: Google запускает голосовое управление и режим «зрения» экрана

Что было объявлено

Google внедрила слой голосового взаимодействия в приложении Gemini для macOS: теперь, чтобы заговорить с AI, достаточно зажать клавишу Fn в любом окне . Обновление включает два принципиально разных режима.

Два режима: как они работают

1. Интеллектуальная диктовка (по умолчанию, всегда включена)

• Зажмите Fn в любом приложении и говорите естественно .
• Gemini преобразует речь в чистый, отформатированный текст — автоматически расставляет знаки препинания, заглавные буквы и удаляет слова-паразиты («кхм», «э-э», «типа», а также исправления по ходу фразы) .
• Результат появляется прямо в том окне или текстовом поле, где находится курсор. Задумано как более умная замена встроенной диктовке macOS .

2. «Осведомлённость об экране» (требуется ручное включение)

• Включается вручную в настройках (opt-in) .
• После активации Gemini получает разрешение на захват экрана и может «видеть» его содержимое .
• Вы можете отдавать голосовые команды, ссылаясь на то, что видите на экране — например, «кратко перескажи этот документ» или «отредактируй тот абзац». Gemini обрабатывает видимый контент .
• The Verge описывает это так: Gemini может «выполнять задачи внутри ваших открытых окон» .

Компромисс с приватностью

• Интеллектуальная диктовка обрабатывает аудио в облаке Google. Применяются стандартные правила конфиденциальности Gemini: чаты хранятся по умолчанию 18 месяцев (с возможностью выбора 3, 36 месяцев или автоудаления), а для отдельных чатов возможно участие в программе проверки людьми .
• «Осведомлённость об экране» — гораздо более серьёзный вопрос приватности: требуется разрешение на запись экрана. Поскольку режим включается вручную, никакие данные не передаются без вашего ведома . Но после включения Google видит содержимое активных окон, что вызывает те же опасения, что и любые AI-инструменты с чтением экрана (случайная утечка чувствительных данных, видимость паролей и т.д.). Google обещает запрашивать подтверждение перед серьёзными действиями, но сам экран обрабатывается на серверах Google .

Сравнение: Gemini vs ChatGPT Desktop vs Apple Intelligence

Ключевые различия: ChatGPT Desktop с GPT-Live-1 — это настоящий разговорный голосовой режим: AI может слушать и говорить одновременно, реагировать на перебивания и управлять AI-агентами в реальном времени . Подход Gemini более ориентирован на задачи: диктовка плюс команды с учётом экрана, а не плавный диалог. Apple Intelligence глубже встроена в систему и работает на устройстве, но уступает в глубине генерации и кроссплатформенной автономности.

Детали доступности

Новое голосовое управление (29 июля 2026)

• Язык: только английский на старте; официальный список других языков пока не опубликован .
• Версия приложения: последняя версия Gemini для macOS (обновление распространяется постепенно, конкретный номер версии не указан) .
• Глобальный запуск: развёртывание началось 29 июля, но может занять несколько дней до полного охвата регионов .
• Возрастное ограничение: 18+.
• Подписка: Интеллектуальная диктовка бесплатна; режим «осведомлённости об экране» также бесплатен на старте — для голосовых функций не требуется подписка Google AI Ultra .

Gemini Spark (запущен 30 июня 2026)

• Что это: Постоянно работающий AI-агент 24/7, который функционирует в облаке Google, даже когда ваши устройства выключены. Он автоматизирует задачи в Gmail, Docs, Календаре, файлах и сторонних сервисах с помощью расписаний и навыков .
• Язык: только английский на старте .
• Версия приложения: требуется последняя бета-версия Gemini для macOS; Spark также работает на Android, iOS и в вебе .
• Глобальный запуск: ограниченное бета-тестирование — только США по состоянию на 30 июня . Запуск в Индии был отдельно анонсирован 29 июля .
• Возрастное ограничение: 18+.
• Подписка: Только для подписчиков Google AI Ultra (платный тариф). Недоступен в бесплатной версии Gemini .
• Главное отличие от голосового управления: Spark — это фоновый агент (проактивная, круглосуточная автоматизация), а голосовое управление — это способ ввода в реальном времени (реактивный, по запросу). Spark работает автономно в облаке; голосовое управление требует вашего присутствия за Mac и активной речи. Spark платный; голосовое управление — бесплатное.