Google 為 macOS 版 Gemini 原生應用程式推出重大升級，用戶只要長按鍵盤左下角「fn」鍵，就能在任何視窗介面直接喚醒 Gemini，透過語音對話、下達指令，甚至要求識別當前螢幕內容。新功能已於 7 月 29 日起向全球 macOS 版 Gemini 用戶陸續推送，暫時只支援英文，Google 承諾稍後加入繁體中文等多語言支援。

 

游標位置即時轉寫 自動剔除口語贅詞

用戶只要在任何文字輸入框或游標所在位置長按 fn 鍵並開始口述，Gemini 就能即時將語音轉換為文字，方便閱讀資料或腦力激盪時快速記下靈感。Google 特別為此加入語音修飾機制，Gemini 生成逐字稿時會自動過濾口語對話中常見結巴與贅詞，例如「嗯」及「啊」，直接輸出語意通順文字。

 

開啟螢幕感知推理 執行跨應用程式任務

若用戶選擇開啟「螢幕感知推理」功能，Gemini 就能進一步讀懂當前螢幕上開啟應用程式與檔案內容，執行更複雜操作。用戶可以在開啟 PDF 檔案選取特定段落，長按 fn 鍵口述要求 Gemini 針對該段落生成重點摘要。新功能同樣支援圈選筆記軟件內容，直接語音指示 Gemini 結合 6 月導入 Gemini Spark 代理 AI 功能，自動調用相關資訊草擬電郵，甚至建立全新試算表或文件。

 

Gemini Spark 於 5 月 Google I/O 公布，運行於 Gemini 3.5 Flash 並建基於 Antigravity 平台，可在 Google Cloud 專屬虛擬機上 24 小時運作。即使裝置關閉仍可持續處理任務，並與 Gmail、Drive、Docs、Sheets 等 Google 生態工具原生連接。

 

系統級卡位戰略 搶佔實體互動入口

Google 這次升級戰略意圖明確，直接搶佔作業系統最前線實體互動入口。Microsoft 為推廣旗下 AI 選擇在新款 PC 鍵盤新增專用 Copilot 鍵，Google 則沿用 Mac 鍵盤長期存在但使用率不高 fn 鍵，將其轉化為喚醒 Gemini 實體開關。有分析指出此舉形同直接取代 Apple 原生 dictation 功能。這種不需切換視窗、不需開啟瀏覽器「零摩擦」互動體驗，將大幅增加 Mac 用戶對 Gemini 使用黏度。

 

「螢幕感知推理」結合 Gemini Spark 代理 AI，正是 Apple 宣傳 Apple Intelligence 時強調但進度相對緩慢「螢幕上下文理解」功能。Google 憑藉強大原生桌面應用程式，反而搶先在 Mac 生態圈實現看懂螢幕、自動串接應用程式並執行任務完整使用循環。當 AI 入口競爭由雲端網頁轉移至作業系統底層，誰能以最順手方式融入用戶日常工作流程，誰就能在桌面 AI 賽局掌握真正發言權。

 

資料來源：Engadget