Mac上对着窗口说话，Gemini自动转文字并理解屏幕做复杂任务

Google开始给Mac上的Gemini推送语音控制功能。今年5月的I/O上预览过，现在陆续推送给全球用户。

最直接的能力是智能听写。你说的话转成文字，自动去掉“嗯”“啊”，你中途改口也能正确处理。写好的文字直接出现在你光标位置。这个体验跟后面Gemini Intelligence手机上的Gboard Rambler差不多。

更进阶的是它能理解你屏幕上的东西。你得先去设置里打开Gemini reasoning功能。打开之后，你在桌面选个文件、图片或文档，然后说出要求。比如“读取这些兽医文件，总结我狗的病历，写封邮件给狗舍”。或者随便选中一段文字，说“把这些笔记变成执行摘要，顶部加一个TL;DR”，它就帮你改。还能用语音生成和编辑图片，比如“拿这幅插图，生成深色模式版本”。

操作很简单：按着Fn键不放，或者点Ask Gemini输入框末尾的新屏幕共享按钮。屏幕底部会浮出一个药丸形状的波形图标。

功能需要更新到macOS版Gemini的1.88版本。目前只支持英语，更多语言“即将推出”。Google没有说这个功能收不收费、语音数据是不是上传云端，也没说明后续语言支持的时间表，中文在不在列同样不清楚。硬件和系统要求也没写。