เมื่อวันพุธที่ 29 กรกฎาคม 2026 Google ได้ประกาศฟีเจอร์เสียงใหม่ 2 รูปแบบสำหรับแอป Gemini บน macOS ได้แก่ โหมด Intelligent Dictation ที่เปิดให้ผู้ใช้ทุกคนใช้งาน และ โหมด Screen Awareness แบบเลือกเปิดใช้เอง ซึ่งช่วยให้ Gemini เห็นเนื้อหาบนหน้าจอเดสก์ท็อปของคุณและทำงานตามบริบทได้ ![]()
![]()
![]()
นี่คือรายละเอียดทั้งหมด
สิ่งที่ประกาศ
Google เพิ่มเลเยอร์การโต้ตอบด้วยเสียงแบบกดค้าง (press-and-hold) ให้กับแอป Gemini บน macOS ช่วยให้ผู้ใช้พูดคุยกับ Gemini จากหน้าต่างใดก็ได้บนเดสก์ท็อปโดยการกด ปุ่ม Fn ค้างไว้ ![]()
![]()
![]()
การอัปเดตนี้มีสองโหมดหลัก
สองโหมดและวิธีการทำงาน
1. Intelligent Dictation (ค่าเริ่มต้น เปิดตลอดเวลา)
- กด ปุ่ม Fn ค้างไว้ในแอปใดก็ได้ แล้วพูดตามธรรมชาติ
![]()
![]()
![]()
- Gemini จะถอดเสียงคำพูดของคุณเป็น ข้อความที่สะอาดและเรียบร้อย ซึ่งจัดรูปแบบเองโดยอัตโนมัติ — จัดการเครื่องหมายวรรคตอน ตัวพิมพ์ใหญ่ และแม้แต่ลบคำเติม ('เอ่อ' 'อ่า' และการแก้ไขประโยคกลางคัน) ออก
![]()
![]()
![]()
- ข้อความที่ออกมาจะปรากฏทันทีในแอปหรือช่องข้อความที่คุณใช้งานอยู่ ออกแบบมาเพื่อแทนที่ระบบป้อนตามคำสั่ง (dictation) ในตัวของ macOS ที่ชาญฉลาดกว่า
![]()
![]()
2. Screen Awareness (เลือกเปิดใช้เอง)
- คุณต้อง เปิดใช้งานด้วยตนเอง (ต้องยินยอมเท่านั้น)
![]()
![]()
![]()
- เมื่อเปิดแล้ว Gemini จะสามารถ 'เห็น' สิ่งที่อยู่บนหน้าจอของคุณผ่านการอนุญาตแชร์หน้าจอ
![]()
![]()
- คุณสามารถออกคำสั่งเสียงที่อ้างอิงเนื้อหาบนหน้าจอได้ เช่น 'สรุปเอกสารนี้' หรือ 'แก้ไขย่อหน้านั้น' แล้ว Gemini จะทำตามเนื้อหาที่เห็น
![]()
![]()
![]()
ข้อแลกเปลี่ยนเรื่องความเป็นส่วนตัว
- Intelligent Dictation จะประมวลผลเสียงในคลาวด์ของ Google นโยบายความเป็นส่วนตัวของ Gemini ปกติจะใช้บังคับ (แชทถูกเก็บบันทึกโดยค่าเริ่มต้นนาน 18 เดือน โดยมีตัวเลือกให้ตั้งเป็น 3/36 เดือนหรือลบอัตโนมัติ และอาจมีการตรวจสอบโดยมนุษย์ในแชทที่เลือกเปิด)
![]()
![]()
- Screen Awareness เป็นประเด็นด้านความเป็นส่วนตัวที่ใหญ่กว่า: ต้องให้สิทธิ์แก่ Gemini ในการบันทึกหน้าจอ เนื่องจากเป็นแบบเลือกเปิดเอง จะไม่มีอะไรถูกแชร์จนกว่าคุณจะเปิดใช้งานอย่างชัดเจน
![]()
![]()
เมื่อเปิดแล้ว Google สามารถเห็นเนื้อหาของหน้าต่างที่ใช้งานอยู่ของคุณ ซึ่งทำให้เกิดความกังวลเช่นเดียวกับเครื่องมือ AI ที่อ่านหน้าจออื่นๆ (การแชร์ข้อมูลที่ละเอียดอ่อนโดยไม่ตั้งใจ การมองเห็นข้อมูลรับรอง ฯลฯ) Google บอกว่าจะตรวจสอบกับคุณก่อนดำเนินการสำคัญใดๆ แต่ข้อมูลหน้าจอจะถูกประมวลผลบนเซิร์ฟเวอร์ของ Google ![]()
![]()
เปรียบเทียบ: Gemini vs ChatGPT Desktop vs Apple Intelligence
| ฟีเจอร์ | Gemini macOS (29 ก.ค.) | ChatGPT Desktop (23 ก.ค.) | Apple Intelligence (Siri) |
|---|
| วิธีเรียกใช้ | กด Fn ค้างไว้ | ปุ่มเสียงในแอป / แป้นพิมพ์ลัด | 'Hey Siri' หรือปุ่ม |
| ขอบเขต | ทั่วทั้งระบบ ทุกหน้าต่าง | ภายในแอป ChatGPT (เอเจนต์ Work/Codex) | ทั่วทั้งระบบผ่าน Siri |
| การมองเห็นหน้าจอ | มี, เลือกเปิดใช้เอง | มี (ผ่านเอเจนต์ Work/Codex, Appshots บน macOS) | จำกัด (บริบทบนหน้าจอในบางแอป) |
| โมเดลเสียง | การถอดเสียง + การใช้เหตุผลของ Gemini | GPT-Live-1 (สองทาง, ขัดจังหวะได้) | โมเดล Siri บนอุปกรณ์ |
| การสนทนาสองทาง | เน้นการป้อนตามคำสั่ง ไม่ใช่ full duplex | Full duplex (พูดและฟังพร้อมกัน) | คำสั่งแบบครั้งเดียว |
| ระบบอัตโนมัติบนเดสก์ท็อป | ผ่านคำสั่ง Screen Awareness | การควบคุมเอเจนต์โดยตรง (Codex, Work) | Shortcuts + app intents |
| แพลตฟอร์ม | macOS เท่านั้น (สัปดาห์นี้) | macOS + Windows | macOS, iOS, iPadOS (ระบบนิเวศ Apple) |
จุดแตกต่างสำคัญ: GPT-Live-1 ของ ChatGPT Desktop เป็นโหมดเสียงสนทนาที่แท้จริง — สามารถฟังและพูดไปพร้อมกัน จัดการการขัดจังหวะ และสั่งงานเอเจนต์ AI แบบเรียลไทม์ ![]()
![]()
![]()
แนวทางของ Gemini นั้นเน้นงานมากกว่า: การป้อนตามคำสั่งบวกกับคำสั่งที่รับรู้หน้าจอ มากกว่าการสนทนาแบบเป็นธรรมชาติ Apple Intelligence ทำงานบนอุปกรณ์เป็นหลักและผสานรวมกับระบบได้ดี แต่ขาดความลึกเชิงสร้างสรรค์และความอิสระข้ามแอปเช่น Gemini หรือ ChatGPT
รายละเอียดการวางจำหน่าย
ระบบควบคุมด้วยเสียงใหม่ (29 กรกฎาคม 2026)
- ภาษา: ภาษาอังกฤษก่อน; ยังไม่มีรายชื่อภาษาอื่นอย่างเป็นทางการ
![]()
![]()
- เวอร์ชันแอป: แอป Gemini สำหรับ macOS เวอร์ชันล่าสุด (อัปเดตแบบต่อเนื่อง ไม่มีการระบุหมายเลขเวอร์ชันเฉพาะ)
![]()
![]()
- การเปิดตัวทั่วโลก: เริ่มเปิดตัวทั่วโลกตั้งแต่วันที่ 29 กรกฎาคม แต่อาจใช้เวลาหลายวันกว่าจะถึงทุกภูมิภาค
![]()
![]()
- ข้อจำกัดอายุ: 18 ปีขึ้นไป (นโยบายอายุมาตรฐานของ Gemini)
- การสมัครสมาชิก: ฟรีสำหรับ Intelligent Dictation; Screen Awareness ก็ฟรีเมื่อเปิดตัวเช่นกัน — ไม่ต้องใช้ Google AI Ultra หรือระดับแบบชำระเงินสำหรับฟีเจอร์เสียงทั้งสอง
![]()
Gemini Spark (เปิดตัวเมื่อ 30 มิถุนายน 2026)
- มันคืออะไร: เอเจนต์ AI แบบถาวร 24/7 ที่ทำงานบน Google Cloud แม้ในขณะที่อุปกรณ์ของคุณปิดอยู่ มันทำงานอัตโนมัติข้าม Gmail, Docs, ปฏิทิน, ไฟล์ และบริการของบุคคลที่สามโดยใช้กำหนดการ(Schedules) และทักษะ(Skills)
![]()
![]()
![]()
- ภาษา: ภาษาอังกฤษเท่านั้นเมื่อเปิดตัว
![]()
- เวอร์ชันแอป: ต้องใช้แอป Gemini สำหรับ macOS เวอร์ชันล่าสุด (เบต้า); Spark ยังทำงานบน Android, iOS และเว็บได้ด้วย
![]()
![]()
- การเปิดตัวทั่วโลก: เบต้าแบบจำกัด — เฉพาะสหรัฐอเมริกาเท่านั้น ณ วันที่ 30 มิถุนายน
![]()
![]()
มีรายงานแยกต่างหากเกี่ยวกับการเปิดตัวในอินเดียเมื่อวันที่ 29 กรกฎาคม
