Gemini för Mac får röststyrning: Så fungerar intelligent diktering och skärmmedvetenhet

Vad som tillkännagavs

Google har infört ett tryck-och-håll röstinteraktionslager för Gemini-appen på macOS. Användare kan nu prata med Gemini från vilket fönster som helst på skrivbordet genom att hålla ned Fn-tangenten . Uppdateringen innehåller två distinkta lägen.

De två lägena – så fungerar de

1. Intelligent diktering (standard, alltid på)

• Håll ned Fn-tangenten i valfri app och tala naturligt .
• Gemini transkriberar dina ord till ren, formaterad text som automatiskt lägger till interpunktion och versaler, och tar bort utfyllnadsord som "öh" och "hm" samt mitt-i-meningen-korrigeringar .
• Texten infogas direkt i det fönster eller textfält du använder. Det är tänkt att ersätta macOS inbyggda diktering på ett smartare sätt .

2. Skärmmedvetenhet (opt-in)

• Du måste aktivera funktionen manuellt (endast opt-in) .
• När den är aktiverad kan Gemini "se" vad som finns på din skärm genom skärmdelningsbehörigheter .
• Du kan ge röstkommandon som hänvisar till innehåll på skärmen – till exempel "sammanfatta det här dokumentet" eller "redigera det stycket" – och Gemini agerar på det synliga innehållet .
• The Verge beskriver det som att Gemini kan "utföra uppgifter i dina öppna fönster" .

Integritetsaspekter

• Intelligent diktering bearbetas i Googles moln; standardpolicy för Gemini-integritet gäller (chattar sparas som standard i 18 månader, med alternativ på 3/36 månader eller automatisk radering, och mänsklig granskning är möjlig för chattar där användaren valt att delta) .
• Skärmmedvetenhet är en större integritetsfråga: det kräver att du ger Gemini behörighet att spela in skärmen. Eftersom det är opt-in delas inget förrän du uttryckligen aktiverar det . När det är aktiverat kan Google se innehållet i dina aktiva fönster, vilket väcker samma typ av frågor som alla AI-verktyg som läser skärmen (risk för oavsiktlig delning av känslig information, synlighet av inloggningsuppgifter etc.). Google säger att det frågar dig innan det utför större åtgärder, men skärmdata bearbetas på Googles servrar .

Jämförelse: Gemini vs ChatGPT Desktop vs Apple Intelligence

Viktiga skillnader: ChatGPT Desktops GPT-Live-1 är ett verkligt konversationsröstläge – det kan lyssna och tala samtidigt, hantera avbrott och styra AI-agenter i realtid . Geminis tillvägagångssätt är mer uppgiftsorienterat: diktering plus skärmmedvetna kommandon snarare än flytande fram-och-tillbaka-samtal. Apple Intelligence är djupt integrerat på enhetsnivå men saknar den generativa bredden och tvärappsfunktionaliteten hos Gemini eller ChatGPT.

Tillgänglighetsdetaljer

Nya röstfunktionen (29 juli 2026)

• Språk: Engelska initialt; ingen officiell lista över ytterligare språk har publicerats .
• Appversion: Senaste Gemini för macOS-app (rullande uppdatering utan specifikt versionsnummer) .
• Global lansering: Rullas ut globalt från och med 29 juli, men kan ta dagar att nå alla regioner .
• Åldersgräns: 18+ (standardpolicy för Gemini).
• Prenumeration: Gratis för Intelligent diktering; Skärmmedvetenhet är också gratis vid lansering – ingen Google AI Ultra- eller betald nivå krävs för någon av röstfunktionerna .

Gemini Spark (lanserades 30 juni 2026)

• Vad det är: En 24/7-agent som körs i Google Cloud, även när dina enheter är avstängda. Den automatiserar uppgifter i Gmail, Docs, Kalender, filer och tredjepartstjänster med hjälp av scheman och färdigheter .
• Språk: Endast engelska vid lansering .
• Appversion: Kräver senaste Gemini för macOS-app (beta); Spark fungerar även på Android, iOS och webben .
• Global lansering: Begränsad beta – endast USA från och med 30 juni . En lansering i Indien rapporterades separat den 29 juli .
• Åldersgräns: 18+.
• Prenumeration: Endast för Google AI Ultra-prenumeranter (betald nivå). Inte tillgänglig för gratis Gemini .
• Viktig skillnad från röststyrning: Spark är en bakgrundsagent (proaktiv, 24/7-automation), medan röststyrning är en metod för realtidsinmatning (reaktiv, på begäran). Spark körs självständigt i molnet; röststyrning kräver att du sitter vid din Mac och talar aktivt. Spark kostar pengar; röststyrning är gratis.