Gemini – Jak na mobilní aplikaci a živý hlasový režim se zajímavými funkcemi zdarma (3. díl)

Pavlína Soušková

V třetím díle série o nástroji umělé inteligence Gemini se blíže podíváme na jeho mobilní aplikaci a funkce, které tato aplikace nabízí. Pokud jste novými čtenáři či nástroj Gemini ještě neznáte, doporučuji přečíst si také:

• Gemini – Seznamte se s inteligentním AI nástrojem od Googlu (1. díl)
• Gemini – Seznámení s webovým rozhraním a základními funkcemi (2. díl)

Jelikož jsem uživatelkou iPhone, bude se tento článek týkat aplikace pro operační systém iOS, avšak si troufnu říct, že spousta funkcí i vzhled aplikace bude totožná či velice podobná také na zařízeních s Androidem.

Stažení a přihlášení

Pokud Gemini chcete používat na svém mobilním zařízení, nejjednodušší je stáhnout si stejnojmennou aplikaci z Ap Store či v případě Androidu z obchodu Google. Stažení je zcela zdarma.

Po instalaci bude nejspíš nutné přihlásit se k vašemu účtu Google, který dnes má téměř každý. Nemusíte si tak zakládat zvláštní účet a po zaregistrování zůstanete na zařízení přihlášeni. Stejně jako u jiných AI nástrojů, na zařízení budete mít přístup k předchozím chatům, které se v rámci vašeho účtu synchronizují také s webovým prostředím Gemini.

Aplikace Gemini je plnohodnotně použitelná ve své základní, bezplatné verzi. Já sama Gemini používám v podstatě denně a zatím nemám potřebu u něj mít placené předplatné. Pokud skrz tuto aplikaci neplánujete generovat desítky obrázků denně či programovat, bezplatná verze vám bude zcela dostačovat.

Přehled prostředí aplikace

Aplikace je velice dobře přístupná i pro odečítače obrazovky, práce s ní je tím pádem velmi snadná a intuitivní. Pokud si ji představíme postupně od levého horního rohu, najdeme zde:

• Postranní panel – po poklepání se zobrazí nabídka s přehledem vašich předchozích konverzací, sešitů, knihovna médií (např. dříve vygenerované obrázky), či možnost vyhledávání v konverzacích.
• Rozbalovací tlačítko pro výběr konkrétního modelu Gemini – Zde je k dispozici několik modelů Gemini, které si můžete vybrat např. podle toho, zda vyžadujete rychlé efektivní odpovědi nebo chcete AI nechat delší dobu přemýšlet. Pro běžné používání doporučuji ponechat výchozí nastavení.
• Tlačítko pro dočasný chat – po stisku tohoto tlačítka se chat nebude ukládat do vaší historie. Jde v podstatě o anonymní režim v aplikaci, k chatu se však po zavření již nemůžete vrátit.
• Účet a nastavení – zde najdete možnosti nastavení vašeho profilu, předplatného nebo např. uchovávání dat.

Následně se kurzor přesune do hlavní oblasti chatu, kde najdete výzvu typu: „Co dnes chcete prozkoumat?“, po které následuje editační pole a další tlačítka:

• Přidat přílohu – toto tlačítko je graficky označeno ikonou plus, přičemž je popsáno poněkud nepřesně. Skutečně je pomocí něj možné přidávat k chatu přílohy, druhou důležitou funkcí je však také volba mezi režimy tvoření. Můžete zde nastavit, zda chcete mimo jiné tvořit obrázek, hudbu, provádět hluboký výzkum nebo používat režim učení.
• Zeptejte se Gemini – samotné editační pole, kam můžete zadat prompt
• Mikrofon – toto tlačítko spouští diktování. Po jeho stisku začne detekce vašeho hlasu. Po dokončení diktování klepněte kdekoliv na obrazovku. Vaše sdělení se přepíše do textu, který je následně potřeba chatu poslat. Nejedná se tedy o hlasový režim jako takový.
• Popovídat si v režimu live – režimu live se budeme věnovat v kapitole níže

Pokud se rozhodneme zahájit chat, můžeme s ním následně dále interagovat prostřednictvím tlačítka „další možnosti“, které se nachází v pravém horním rohu chatu. Najdeme tam:

• Sdílet – tuto funkci sama docela často používám. Umožňuje obsah konverzace sdílet pomocí odkazu a poslat jej např. svým přátelům. To vše bez toho, aby měly další osoby přístup k vašim dalším chatům či osobním informacím.
• Připnout – chat se připne na začátek seznamu, takže jej pak snadněji naleznete.
• Přejmenovat
• Nápověda
• Nahlásit problém
• Přidat do sešitu – sešity jsou novou funkcí v Gemini, která umožňuje seskupovat konverzace do jedné „složky“, ve které můžete mít uloženy také soubory či specifické instrukce vztahující se ke všem konverzacím v sešitě.
• Smazat

V chatu pak rovněž můžete interagovat s vygenerovanou odpovědí na váš dotaz, a to následovně:

• Kopírovat
• Sdílet odpověď – nasdílí se pouze jedna odpověď, ne celá konverzace jako v případu výše.
• Číst odpověď nahlas – Gemini odpověď přečte syntetickým hlasem. Pokud tedy nepoužíváte VoiceOver nebo chcete pro odpověď použít přirozenější hlas Gemini, je toto užitečným doplňkem.
• Ohodnotit konverzaci – pomocí tlačítek „dobrá odpověď a „špatná odpověď“ můžete dát Googlu zpětnou vazbu, která do budoucna vylepší odpovědi.
• V dalších možnostech pak najdete např. oddělení do nového chatu či nahlášení problémů.

Režim live, aneb živá konverzace s hlasovým asistentem

Režim live v Gemini umožňuje živou konverzaci s AI, a to s plnou podporou češtiny. Troufám si říct, že čeština je poměrně na slušné úrovni, i když samozřejmě občas nějakou chybu hlas udělá.

Režim spustíme tlačítkem „popovídat si v režimu live“, které najdeme zhruba v pravém dolním rohu obrazovky. Po jeho spuštění mě zaujala hláška, kterou Gemini automaticky přednesl poté, co detekoval, že používám VoiceOver.: „protože používáš odečítač obrazovky, doporučuji při konverzaci používat sluchátka, aby se hlas odečítače nemísil s tím, co říkáš“. Toto upozornění je rozhodně k věci a příjemně mě překvapilo, na co vše vývojáři Gemini pamatovali.

V živém režimu najdeme tato tlačítka:

• Postranní panel – otevře historií chatů apod. v živém režimu je lepší ignorovat, toto tlačítko zde nemá žádný relevantní význam.
• Hide captions – aktuálně nepřeložené tlačítko, které zobrazuje titulky toho, co hlas asistenta zrovna hovoří. Doporučuji toto tlačítko vypnout, protože jinak může kurzor VoiceOveru občas skákat právě na titulky a mást tak plynulost hlasového asistenta.
• Další možnosti – zde je možné nastavit si hlas výstupu. Na výběr je zhruba z desítky mužských i ženských hlasů, které se automaticky přizpůsobí jazyku konverzace. A výběr je skutečně kvalitní.
• Zapnout streamování videa – Gemini dokáže živě snímat obraz z vašeho fotoaparátu. Více o této funkci níže.
• Zapnout sdílení obrazovky – Gemini dokáže také snímat obsah obrazovky, více o této funkci níže.
• Vypnout mikrofon – po stisku nebude Gemini poslouchat. Zkontrolujte toto tlačítko v případě, kdy Gemini neuslyší, co říkáte.
• Ukončit režim live

Snímání obrazovky a streamování videa v živém režimu

Gemini poměrně nově disponuje funkcí streamování videa a sdílení obrazovky zařízení. Jedná se o stejnou funkci, kterou jsem již před nějakou dobou popisovala u aplikace ChatGPT, viz články:

• ChatGPT a nové funkce živého sledování fotoaparátu a obrazovky v hlasovém režimu – užitečná novinka i pro uživatele se zrakovým postižením (1. část)
• Chat GPT a nové funkce živého sledování fotoaparátu a obrazovky v hlasovém režimu – užitečná novinka i pro uživatele se zrakovým postižením (2. část)

V principu jsou obě funkce Gemini podobné svému konkurentovi, hlavní rozdíl je však v tom, že Gemini by pro ně v současné době neměl mít žádné časové ani množstevní omezení, rovněž jsou obě funkce také dostupné zcela zdarma, což jistě uživatelé se zrakovým postižením ocení.

Streamování videa funguje tak, že Gemini získá přístup k vašemu fotoaparátu a živě zpracovává obrazové informace z vašeho okolí. Pokud se tedy v hlasovém režimu chcete zeptat na něco, co se týká viditelného okolí, stačí na předmět či místo zamířit fotoaparátem a hlasem položit dotaz. V praxi se tato funkce nejlépe hodí například k popisu barev a vzorů oblečení, popisu předmětů a osob či čtení kratších textů (např. informace na nástěnce, návod k přípravě pokrmu, čtení data spotřeby apod.) Ve všech těchto úkolech Gemini dokáže docela dobře obstát, musíme však mít na paměti, že nedokáže vždy zcela správně určit polohu v prostoru (vpravo, vlevo) nebo provádět komplexnější úkoly (např. spárování dvou stejných ponožek v hromadě jiných). Rovněž nemůžeme spoléhat na to, že by na základě snímání kamery dokázal Gemini spolehlivě navigovat nevidomého na konkrétní místo. Video je sice snímáno v živém režimu, ale dotaz se vždy může vztahovat pouze na jeden aktuální snímek a kontext si umělá inteligence vždy nepamatuje.

V případě sdílení obrazovky je situace podobná. Tento režim se hodí především v situacích, kdy potřebujeme např. protřídit fotky v knihovně telefonu nebo z nich vybrat nejostřejší snímek, pokud potřebujeme přečíst text z obrázku nebo popsat nějakou infografiku, a to bez nutnosti obrázek stahovat, nebo v situacích, kdy narazíme na nějaké nepopsané tlačítko v aplikaci apod. Při testování se mi však bohužel několikrát stalo, že Gemini nedokázal spolehlivě sledovat kurzor VoiceOveru a obecně míval při popisu často zpoždění, přičemž popisoval něco, co již na obrazovce vůbec není.

Závěrem

Gemini v aplikaci je určitě dobrým pomocníkem, a to především díky hlasovému režimu a funkcím pro streamování videa a sdílení obrazovky, které jsou narozdíl od konkurence dostupné zcela zdarma a bez omezení. Uživatelům se zrakovým postižením tak umožňují okamžitou pomoc v situacích, kdy se setkají s nepřístupným formátem, tištěným textem, nebo kdy potřebují rozpoznat předmět a jeho barvu.

Další obrovskou výhodou Gemini je integrace s ekosystémem od Google, takže z hlasového režimu dostane uživatel okamžitý přístup také ke svým e-mailům, kalendáři, poznámkám nebo k chytré domácnosti. Na tuto integraci se blíže podíváme v dalším díle této série.