谷歌的 Gemini 2.0 强到不行？谈谈我的体验及感受

谷歌发布的 Gemini 2.0 引起许多人的关注，它的表现到底如何，本文我来谈谈我使用谷歌 Gemini 2.0 的真实感受以及体验。

语音对话体验

使用 Gemini 2.0 进行英文对话，非常地丝滑，你可以跟使用 ChatGPT 的高级语音一样，随意地去打断，并且响应速度也很快，很快就可以给出回答。看来 Gemini 2.0 可以完全代替 ChatGPT 高级语音进行英语口语对话练习的角色了。

视频实时输入功能

视频实时输入也是另一个非常有用的功能。真正实现了结对编程，或者像找一个一对一的老师来实时指导的感觉。其实我觉得这个功能与编程指导相比较，对于一些操作类的东西，或者其他场景更加有用，毕竟编程是需要更多的代码上下文才能有更多的理解，而屏幕截图可能只是部分内容。

应用场景展望

比如针对可以开发一款眼镜，接入 Gemini，给盲人使用，实时进行看到的画面解说，并且可以通过语音进行对话更加细节的内容询问。实现现实世界中Netflix 电影旁白的功能，应该会极大的提高盲人的幸福指数吧。

当然应该也有更多的场景，比如作为普通人的日常生活助理，随时对看到的和听到的内容进行更加细致地交流。

开发者资源

目前甚至创建了一个 github 项目，包含代码以及具体的一些实例，包括：

• 视频分析器：可以总结、描述场景，还可以提取文本搜索对象等
• 空间理解：可以根据照片，结合 2D 和 3D 的空间分析进行推理，指出物体、文本的位置
• 地图探索者：Gemini 可以结合 Google Maps API 探索更多有趣的地方

许多人通过使用谷歌的 Python 代码示例，也做出了很多有趣的功能。

总结

应该用不了多久，会有更多更加有趣的基于 Gemini 的实际应用发布，也有更多的实际应用场景来改变我们的生活吧。