Google startet Gemini Live als Konkurrenz zu ChatGPTs Sprachmodus

MÜNCHEN (IT BOLTWISE) – Google bringt Gemini Live auf den Markt, die Antwort auf den kürzlich eingeführten fortschrittlichen Sprachmodus von OpenAIs ChatGPT.

Gemini Live ermöglicht es Nutzern, „tiefgehende“ Sprachunterhaltungen mit dem generativen KI-Chatbot von Google auf ihren Smartphones zu führen. Dank einer verbesserten Spracherkennungs-Engine bietet Gemini Live, so Google, realistischere und emotional ausdrucksstärkere Mehrfachdialoge. Nutzer können Gemini unterbrechen, während der Chatbot spricht, um Nachfragen zu stellen, und es passt sich in Echtzeit an die Sprachmuster des Nutzers an.

In einem Blogpost beschreibt Google es folgendermaßen: „Mit Gemini Live [über die Gemini-App] können Sie mit Gemini sprechen und aus [10 neuen] natürlich klingenden Stimmen auswählen, mit denen es antwortet. Sie können sogar in Ihrem eigenen Tempo sprechen oder mitten in einer Antwort unterbrechen, um klärende Fragen zu stellen, genau wie in einem normalen Gespräch.“

Gemini Live ist freihändig nutzbar. Sie können die Unterhaltung im Hintergrund oder bei gesperrtem Bildschirm fortsetzen, und die Gespräche können jederzeit pausiert und wieder aufgenommen werden.

Wofür könnte dies nützlich sein? Google nennt als Beispiel das Üben für ein Bewerbungsgespräch. Ein vielleicht etwas ironisches Szenario, aber dennoch: Gemini Live kann mit Ihnen üben, Sprechfähigkeiten verbessern und Vorschläge machen, welche Fähigkeiten Sie beim Gespräch mit einem Personalmanager (oder KI, je nachdem) hervorheben sollten.

Ein Vorteil, den Gemini Live gegenüber dem Sprachmodus von ChatGPT haben könnte, ist ein besseres Gedächtnis. Die Architektur des generativen KI-Modells, das Live unterstützt, nämlich Gemini 1.5 Pro und Gemini 1.5 Flash, verfügt über ein länger als durchschnittlich ausgelegtes „Kontextfenster“. Dies bedeutet, dass die Modelle theoretisch Stunden von Gesprächsdaten aufnehmen und verarbeiten können, bevor sie eine Antwort formulieren.

„Live verwendet unsere erweiterten Gemini-Modelle, die wir für die Konversation optimiert haben“, erklärte ein Google-Sprecher in einer E-Mail. „Das große Kontextfenster des Modells wird genutzt, wenn Nutzer lange Gespräche mit Live führen.“

Ob das alles in der Praxis gut funktioniert, bleibt abzuwarten. Wenn man die Rückschläge von OpenAI mit seinem Sprachmodus berücksichtigt, ist es selten der Fall, dass Demos nahtlos in die reale Welt übertragbar sind. In diesem Zusammenhang fehlt Gemini Live noch eine der bei Google I/O gezeigten Funktionen: die multimodale Eingabe. Im Mai veröffentlichte Google vorab aufgenommene Videos, die zeigen, wie Gemini Live auf die Umgebung der Nutzer reagiert, indem es Fotos und Videos von den Kameras ihrer Telefone analysiert. Beispielsweise könnte es ein Teil eines kaputten Fahrrads benennen oder erklären, was ein Abschnitt Code auf einem Computerbildschirm tut.

Die multimodale Eingabe soll „später in diesem Jahr“ eingeführt werden, so Google, ohne genauere Angaben zu machen. Ebenfalls später in diesem Jahr soll Live in weiteren Sprachen sowie für iOS über die Google-App verfügbar sein; derzeit ist es nur auf Englisch verfügbar.

Gemini Live, ähnlich wie der Sprachmodus von ChatGPT, ist nicht kostenlos. Es ist exklusiv für Gemini Advanced, eine erweiterte Version von Gemini, die hinter dem Google One AI Premium Plan für 20 US-Dollar pro Monat liegt.

Andere neue Funktionen von Gemini sind jedoch kostenlos.

Android-Nutzer können in Kürze (in den kommenden Wochen) das Gemini-Overlay über jede beliebige App, die sie gerade verwenden, legen, um Fragen zum Bildschirminhalt zu stellen (z. B. einem YouTube-Video), indem sie die Ein/Aus-Taste ihres Telefons gedrückt halten oder „Hey Google“ sagen. Gemini wird in der Lage sein, Bilder direkt aus dem Overlay zu generieren – jedoch leider weiterhin keine Bilder von Personen – die dann in Apps wie Gmail und Google Messages gezogen und abgelegt werden können.

Gemini erhält auch neue Integrationen mit Google-Diensten (oder „Erweiterungen“, wie das Unternehmen sie nennt) sowohl auf Mobilgeräten als auch im Web. In den kommenden Wochen wird Gemini in der Lage sein, weitere Aktionen mit Google Calendar, Keep, Tasks, YouTube Music und Utilities auszuführen, den Apps, die die Funktionen des Geräts wie Timer, Wecker, Mediensteuerung, Taschenlampe, Lautstärke, WLAN, Bluetooth usw. steuern.

In einem Blogpost gibt Google einige Ideen, wie Menschen dies nutzen könnten. Klingt vielversprechend, vorausgesetzt, alles funktioniert zuverlässig:

• Bitten Sie Gemini, „eine Playlist mit Songs zu erstellen, die mich an die späten 90er erinnern“.
• Fotografieren Sie ein Konzertplakat und fragen Sie Gemini, ob Sie an diesem Tag frei sind – und richten Sie sogar eine Erinnerung ein, um Tickets zu kaufen.
• Lassen Sie Gemini ein Rezept aus Gmail herausfinden und bitten Sie es, die Zutaten zu Ihrer Einkaufsliste in Keep hinzuzufügen.

Abschließend sei erwähnt, dass Gemini ab Ende dieser Woche auch auf Android-Tablets verfügbar sein wird.