Google thêm điều khiển giọng nói cho Gemini trên Mac: Đọc chính tả thông minh và 'nhìn' màn hình

1. Đọc chính tả thông minh (mặc định, luôn bật)

• Nhấn và giữ phím Fn trong bất kỳ ứng dụng nào và nói một cách tự nhiên .
• Gemini chuyển lời nói của bạn thành văn bản sạch, trau chuốt, tự động định dạng — xử lý dấu câu, viết hoa và thậm chí loại bỏ các từ đệm ("ừm," "à," và các sửa chữa giữa câu) .
• Văn bản đầu ra xuất hiện trực tiếp trong ứng dụng hoặc trường văn bản bạn đang sử dụng. Được thiết kế như một giải pháp thay thế thông minh hơn cho tính năng đọc chính tả tích hợp sẵn của macOS .

2. Screen Awareness (tùy chọn)

• Bạn phải chủ động bật tính năng này (chỉ dành cho người dùng chọn tham gia) .
• Sau khi bật, Gemini có thể "nhìn thấy" những gì trên màn hình của bạn thông qua quyền chia sẻ màn hình .
• Bạn có thể ra lệnh bằng giọng nói liên quan đến nội dung trên màn hình — ví dụ: "tóm tắt tài liệu này" hoặc "chỉnh sửa đoạn văn đó" — và Gemini sẽ thao tác trên nội dung hiển thị .
• The Verge mô tả tính năng này cho phép Gemini "thực hiện các tác vụ trong các cửa sổ đang mở của bạn" .

Sự đánh đổi về quyền riêng tư

• Đọc chính tả thông minh xử lý âm thanh trên đám mây của Google; các chính sách quyền riêng tư tiêu chuẩn của Gemini được áp dụng (các cuộc trò chuyện được lưu trữ mặc định trong 18 tháng, với các tùy chọn 3/36 tháng hoặc tự động xóa, và có thể có sự xem xét của con người đối với các cuộc trò chuyện đã chọn tham gia) .
• Screen Awareness là vấn đề quyền riêng tư lớn hơn: nó yêu cầu cấp quyền ghi màn hình cho Gemini. Vì đây là tính năng chọn tham gia nên sẽ không có gì được chia sẻ trừ khi bạn chủ động bật nó lên . Khi được bật, Google có thể thấy nội dung của các cửa sổ đang hoạt động của bạn, điều này gây ra những lo ngại tương tự như bất kỳ công cụ đọc màn hình AI nào (vô tình chia sẻ thông tin nhạy cảm, hiển thị thông tin đăng nhập, v.v.). Google cho biết họ sẽ kiểm tra với bạn trước khi thực hiện các hành động quan trọng, nhưng dữ liệu màn hình được xử lý trên máy chủ của Google .

So sánh: Gemini so với ChatGPT Desktop và Apple Intelligence

Điểm khác biệt chính: GPT-Live-1 của ChatGPT Desktop là chế độ giọng nói hội thoại thực sự — nó có thể nghe và nói cùng lúc, xử lý gián đoạn và chỉ đạo các tác nhân AI trong thời gian thực . Cách tiếp cận của Gemini thiên về tác vụ hơn: đọc chính tả và các lệnh nhận biết màn hình thay vì trò chuyện qua lại linh hoạt. Apple Intelligence hoạt động sâu trên thiết bị và tích hợp hệ thống nhưng thiếu chiều sâu tổng quát và khả năng tự động hóa đa ứng dụng như Gemini hay ChatGPT.

Thông tin chi tiết về khả năng sử dụng

Điều khiển giọng nói mới (29/7/2026)

• Ngôn ngữ: Tiếng Anh ban đầu; chưa có danh sách chính thức các ngôn ngữ bổ sung được công bố .
• Phiên bản ứng dụng: Ứng dụng Gemini mới nhất cho macOS (bản cập nhật đang triển khai, không có số phiên bản cụ thể) .
• Triển khai toàn cầu: Đang triển khai trên toàn cầu từ ngày 29 tháng 7, nhưng có thể mất vài ngày để đến tất cả các khu vực .
• Giới hạn độ tuổi: 18+ (chính sách độ tuổi tiêu chuẩn của Gemini).
• Đăng ký: Miễn phí cho Đọc chính tả thông minh; Screen Awareness cũng miễn phí khi ra mắt — không yêu cầu Google AI Ultra hoặc gói trả phí cho cả hai tính năng giọng nói .

Gemini Spark (ra mắt ngày 30/6/2026)

• Bản chất: Một tác nhân AI liên tục 24/7 chạy trên Google Cloud, ngay cả khi thiết bị của bạn tắt. Nó tự động hóa các tác vụ trên Gmail, Docs, Lịch, tệp tin và các dịch vụ của bên thứ ba bằng cách sử dụng Schedules và Skills .
• Ngôn ngữ: Chỉ tiếng Anh khi ra mắt .
• Phiên bản ứng dụng: Yêu cầu ứng dụng Gemini mới nhất cho macOS (bản beta); Spark cũng hoạt động trên Android, iOS và web .
• Triển khai toàn cầu: Bản beta giới hạn — chỉ ở Mỹ tính đến ngày 30/6 . Một đợt triển khai riêng ở Ấn Độ đã được báo cáo vào ngày 29/7 .
• Giới hạn độ tuổi: 18+.
• Đăng ký: Chỉ dành cho người đăng ký Google AI Ultra (gói trả phí). Không có sẵn trên Gemini miễn phí .
• Sự khác biệt chính so với điều khiển giọng nói: Spark là tác nhân nền (chủ động, tự động hóa 24/7), trong khi điều khiển giọng nói là phương thức nhập liệu thời gian thực (phản ứng, theo yêu cầu). Spark chạy tự động trên đám mây; điều khiển giọng nói yêu cầu bạn phải ở trước máy Mac và chủ động nói. Spark tốn phí; điều khiển giọng nói miễn phí.