Gemini Live 改版將相片與檔案帶入對話
Google 正在將附件功能融入 Android 上的 Gemini Live 對話，減少語音對話前的準備工夫，同時令螢幕分享多了一層操作。根據 9to5Google 於 10 月 26 日的報道，Gemini Live 改版在應用程式的 Live 介面加入加號選單。其意義在於使用者何時可以補充脈絡——即助理理解請求所需的資訊。
這個分別很重要，因為有用的對話鮮少在一開始便準備妥當。關於專案的問題可能引出一份文件，然後是一張圖片，再之後是一項修正。要求使用者在開口前先整理這些材料，等同讓介面凌駕於對話之上。Google 的更新則將平衡轉向在需要出現時才補充資訊。
核心張力在於對話與準備之間。ChatGPT 為結合語音及視覺輸入提供了競爭參考，但這次更新涉及 Google 自身的互動取捨。移動附件控制項，改變的是進入既有功能的路徑。這條路徑能否改善日常工作，取決於功能是否容易發現、能否穩定提供，以及有人分享檔案後會發生甚麼。
Gemini Live 改版實際改變了甚麼
根據 9to5Google，新設於左側的加號按鈕會開啟一個輪播選單，當中包括分享螢幕、相片、檔案及 Drive。此前，使用者要在進入 Live 前，透過 Gemini 浮層加入材料。該媒體在 Google app 穩定版 17.68 觀察到這項更新。其關於 Live 附件選單 的報道描述的是介面逐步推出，而非新模型發布。
相機控制項移到波形圖旁邊，而麥克風靜音和關閉控制項仍在右側。螢幕分享則多了一個步驟。截至報道時，透過浮層啟動的 Live 工作階段尚未顯示此選單，iOS 亦未提供此功能。
真正有意義的改變，是將既有操作放進進行中的對話之內。
浮層是顯示於另一個 Android 畫面上的精簡 Gemini 介面。其角色重要，因為同一助理可以有不同進入點。開啟完整應用程式的人，可能會見到與在另一個應用程式上呼叫 Gemini 的人不同的控制項排列。
對讀者而言，眼前的分別在於存取與能力。存取是指某人能否找到並啟用某項操作；能力則是指助理其後能夠如何運用資訊。改善附件路徑直接處理前者，但本身並不能證明文件理解或答案準確度有所提升。
設想一段關於準備簡報的假設對話。使用者先描述受眾，然後發現助理需要實際簡報要求。若控制項在那一刻可用，便更符合任務的自然次序。要求預先準備，假設了使用者早已知道對話會需要哪些支援材料。
隨着問題愈來愈具體，這個假設便更難成立。一開始的請求可能聽來完整，直至助理提出澄清問題。缺少的資訊可能是一張圖片、一份來源文件，或在其他地方可見的陌生術語。介面需要容納這個探索過程。
選單亦就優先次序作出設計取捨。將多項分享操作歸入同一控制項下，為加入材料建立一個易於辨認的入口；代價是原先直接顯示的操作，可能要先打開該入口才能使用。更整潔的排列，並不會令每一項個別任務都更快完成。
因此，這次改版值得被精確描述。Google 正在重組人們引入支援資訊的環節。讀者應將其視為對話工作流程的改變，而不應假定每一項底層功能都已改變。
實際問題是，這個重組是否配合人們使用 Live 的方式。經常討論已儲存文件的人，與主要分享目前螢幕的人有不同需要。同一佈局可以改善前一種工作流程，卻令後一種較不直接。
Google 正處理可用功能與可用對話之間的落差
Google 在 2025 年 1 月 22 日的公告，已提到可將圖片、檔案和影片加入 Gemini Live。在該篇 Android 助理更新 中，Google 將共享材料定位為更自然討論主題的方法。這項歷史參考確立了一點：附件本身並非今次的新發展。
Google 當前的挑戰，是在對話需要既有功能的那一刻，讓這些功能可供使用。
這令產品介面及其負責團隊承受壓力。功能可以存在，卻未必會成為使用者日常行為的一部分。若人們必須記住不尋常的操作次序，可發現性便會限制底層系統的價值。
這種壓力對語音互動尤其相關。打字會鼓勵準備，因為使用者可以在送出提示前修改；說話則鼓勵人們由一個未完整的想法開始，並透過討論逐步完善。因此，圍繞已準備提示而建立的介面，未必適合語音工作。
假設一名學生便可說明這個分別。他們可能先問某項解釋為何看來不一致，然後才發現助理需要旁邊的圖表。真正有用的互動，不只是接收圖片，而是將圖片連繫到正在討論的問題。
對知識工作者而言，對應情況可能涉及一份專案簡報。當廣泛的優先次序討論以實際要求為依據時，便會變得更有用。附件提供了單靠口頭回憶可能遺漏的證據。不過，使用者仍須辨認哪一份文件代表目前要求。
這些例子描述的是潛在用途，而非改版推出後的量度結果。移動一個按鈕不會自動帶來生產力成果。合理的潛在好處是，從察覺資訊不足到補充資訊之間的中斷更短。
為何現在重要？這個時機承接了由引入支援輸入，到重組人們如何接觸這些輸入的更長進程。一旦助理接受多種材料，產品問題便會擴大。設計師必須令這些選項容易理解，同時避免讓控制項淹沒對話。
因此，壓力不只落在可見性，亦落在一致性。使用者不應需要為開啟同一助理的每種方法建立不同心智地圖。當不同進入點的行為不同，文件及支援說明便更難跟隨。使用者可能將介面差異誤認為功能缺失。
對評估語音助理的機構而言，這意味着比計算支援輸入種類更有用的評估方式。示範可以證明助理接受一份文件；工作流程評估則會問：某人能否在正確時刻引入正確文件，並理解接下來發生甚麼。
同一原則亦適用於個人資訊管理。尋找相關材料與討論材料是相連活動，但解決的是不同問題。整理重複使用來源材料的讀者，可在選擇對話介面時，一併探索 個人知識管理。
Google 的更新處理了進入討論時的交接。其實際價值將取決於這個交接先前中斷真實工作的頻率。
對話需要證據，但不應變成檔案管理工作
支持這次改版的最強理由，在於連續性。有用的語音交流應能接納新證據，而不必要求使用者圍繞它重新建構討論。這是一項設計目標，並非聲稱此次推出已經達成。
當助理將附件連繫到問題、來源及使用者預期的範圍時，附件才變得有用。
這個過程有幾個不同時刻：使用者選擇材料、應用程式接收材料，以及助理解讀其相關性。便利的進入點改善了這條鏈的開端；後續階段則決定最終答案是否有幫助。
想像一名假設中的產品經理正討論互相衝突的要求。他們在口頭解釋分歧後引入一份簡報。助理應區分簡報實際表述的內容，與經理的解讀。否則，更容易分享只會將不確定的回憶與聽來權威的回應結合起來。
第二個問題是來源身分。相似的檔名、較舊的草稿及匯出的副本，均可能在 AI 解讀之前造成歧義。一個令上載更方便的介面，亦應協助使用者辨認所選材料。錯誤來源可以破壞原本合理的對話。
第三個問題是範圍。分享一份文件不一定代表要求完整摘要。使用者可能關心一項特定假設、段落或矛盾之處。對話連續性要求附件到達後，仍保留這個目的。
Google 的 Live 對話指引 記錄了如何討論圖片及支援的檔案，亦提醒更新會逐步推出。這些指引為既有工作流程提供背景，而 10 月的報道則提供關於重新設計控制項的較窄證據。
競爭比較同樣應保持具體。OpenAI 的 語音對話控制項 說明，在可用時可於 ChatGPT Live 對話期間加入圖片。該文件亦區分 Live 與 Advanced，後者支援合資格的流動影片及螢幕分享功能。可用性取決於帳戶及使用體驗。
這項比較確立了共同的介面問題，但並未證明功能等同。兩種產品都必須協助人們在說話與提供材料之間切換；它們的控制項、支援輸入及可用條件，仍需要分開檢視。外觀相似的選單不足以證明行為可以互換。
因此，對使用者而言，相關比較應是一項完整任務：助理能否理解請求、整合選取的來源，並令其推理足夠可檢視以供核對？比較圖示只回答了這個問題的一小部分。
Gemini Live 改版亦揭示了將語音視為獨立目的地的限制。若對話依賴文件及圖片，語音只是互動的一部分；周邊控制項亦需要支援閱讀、選取、核對及修正。
這並不代表要在畫面上塞進所有可能功能，而是要令轉換清晰可理解。使用者應知道自己何時正在選取證據、助理何時已收到證據，以及其回答何時反映了該證據。
那些標準有助評估這次更新，因為它們將介面選擇與實際工作連繫起來，也避免將可見的重新設計誤當成未經證實的智能提升。
更易分享，惟準確度、私隱與可用性仍未解決
更容易使用的附件控制功能，消除了提供資訊的一項障礙，但並不代表助理能正確理解每個來源。值得質疑的是，這種互動是否讓成功與失敗同樣容易理解。
便利性改善了取得背景資料的方式，但使用者仍需要方法核實助理理解了甚麼。
流暢的語音回應可能令不確定性難以察覺。討論文件時，聆聽者需要分辨直接陳述與推論。討論圖片時，他們需要知道助理是否識別出相關細節。無論透過甚麼控制項提交材料，這些疑慮都同樣適用。
試想一個涉及截止日期的假設性工作場所審閱。助理可能正確識別日期，卻誤解該日期適用於哪個里程碑。要求提供支持該答案的段落，能讓使用者有具體內容可供檢視。單純以更高信心重複答案，並不能消除這種含糊之處。
當來源材料與對話內容互相衝突時，也會出現同樣問題。使用者可能在附上最新簡報前，先描述一項已過時的要求。有幫助的回應應該指出兩者的差異。若靜悄悄地混合兩個版本，互動或會顯得順暢，卻會削弱其可靠性。
私隱則是另一個問題。Google 的 Gemini 私隱設定 將文字記錄及上載內容，與 Live 音訊、影片及螢幕分享錄影區分開來。啟用 Keep Activity 後，文字記錄及上載內容可用於改善 Google 服務。音訊、影片及螢幕分享錄影預設不會用於該目的。
這項區分很重要，因為同一個常見介面可包含受不同設定規管的輸入內容。使用者不應假設關閉某個與音訊相關的選項，就能決定上載文件會如何處理。適用的帳戶設定及機構規則仍然相關。
就工作場所使用而言，實際問題在於是否獲授權分享該材料。一個方便的選擇器並不能決定某份文件是否適合交予外部助理。團隊需要清晰指引，說明哪些帳戶獲批准及哪些內容可以分享。否則，令分享更容易，反而可能令僱員不確定界線所在。
可用性亦會影響使用體驗的質素。有報道指功能已可見地推出，並不代表每個帳戶都已收到。Google 的文件明確說明更新會逐步推出，因此個別使用者應以自己的介面作為相關核實依據。
據報不同啟動途徑之間存在差異，令這點尤其重要。有人跟隨為另一個入口撰寫的指示時，可能看到不同控制項。這種差異應促使用者檢查介面及帳戶條件，而非假定自己誤解了功能。
目前亦沒有經核實的採用證據，顯示人們會多頻密使用這項新安排；報道亦沒有提供任務時間縮短的量度結果。因此，聲稱參與度或生產力有所提升，將超出現有證據所能支持的範圍。
較公平而更有用的判斷應更為狹窄。Google 已識別出將材料帶入語音交流時的一個摩擦點。這次重新設計提出了合理回應。其成效取決於使用者找到控制項後，能否可靠地完成所需工作。
這讓人可以作出正面評估，而不必將介面便利性視為答案更好的證明。隨着助理處理愈來愈重要的來源材料，這項區分會變得更重要。
留意存取一致性、來源清晰度及工作流程趨同
接下來應關注可觀察的產品行為，而非對整個助理市場作出預測。Gemini Live 的重新設計可從存取是否一致、共享材料的處理是否易於理解，以及競爭介面的發展方向來評估。
最有參考價值的後續觀察，是使用者能否在更少不確定控制項及來源的情況下完成對話。
首先，留意 Gemini 各個入口及平台是否能一致存取。若推出範圍更廣，將更能支持 Google 正在建立共通互動模式的說法。若差異持續存在，則會削弱這種解讀，並令改動更像取決於工作階段如何開始。
一致性不代表每個畫面都必須完全相同。覆蓋層與完整應用程式的空間限制不同。關鍵問題在於，等效任務是否仍然容易發現，以及使用者能否預測共享資訊會從何處進入對話。
文件在這方面會很重要。若更新後的指示能清楚區分支援的途徑，將有助讀者理解可用性。相互矛盾的指示，則會令未完成的推出與刻意設定的產品限制更難區分。即使沒有公開使用數據，這也是可觀察的產品訊號。
第二，留意助理如何清晰處理新引入的證據。這包括識別所選材料、維持使用者的問題脈絡，以及區分來源內容與詮釋。這些方面若有改善，將強化工作流程的論點；若持續存在含糊之處，則會限制更易使用的附件控制功能所帶來的好處。
有用的評估應跟隨一段貼近實況的對話，而非單獨測試一次上載。先提出問題，再引入相關材料，然後修正某項假設或要求提供支持證據。目的是同時檢視連貫性與可核實性。僅成功傳送檔案，並不足以證明其中任何一項。
例如，一名假設性的審閱者可詢問某項專案限制，附上具約束力的簡報，並要求提供支持答案的段落。重要結果是，解釋是否仍以所選來源為依據。任何比較都應使用審閱者獲授權分享的材料。
第三，留意競爭助理是否逐漸採用更清晰的控制方式，在語音與支持材料之間切換。ChatGPT 提供了現有參考，但真正有意義的發展將是不同產品之間的任務連貫性有所改善。可證明更清晰的轉換，比起外觀上的相似，提供更有力的證據。
這項競爭訊號不應被解讀為某家公司迫使另一家公司作出決定的證明。現有報道並未建立這種因果關係。但它確實說明，買家應在支援功能以外，比較互動設計。功能清單無法解釋在實際討論期間，一次轉換會帶來多大干擾。
對開發者而言，這些訊號指向應評估行動之間的時刻。對企業買家而言，它們意味應在示範期間檢視帳戶限制及來源處理方式。對一般使用者而言，它們提供了一種判斷方式，了解重新設計的介面是否在不鼓勵錯誤自信的前提下減少所需功夫。
更廣泛的含意很實際：助理需要相關證據，而人們需要易於理解的方法來提供這些證據。Google 最新調整聚焦於這種交流。若互動的其餘部分同樣令所選證據容易檢視及質疑，其重要性將會提升。
當更新到達你的帳戶時，請以一項本已適合討論的普通、非敏感任務來評估。留意當問題變得具體時，你是否能引入支持材料。檢查回應是否反映你所選的來源，並要求提供重要結論背後的段落或細節。將這種體驗與過往工作流程比較，包括任何中斷或不確定性。Gemini Live 的重新設計應憑藉更清晰的對話贏得其位置，而非依靠控制項的新鮮感。在你日常工作中，當你能在需要的時刻把證據帶入討論時，哪一部分會變得更容易？
