پرش به محتوای اصلی
پرش به محتوای مقاله

«گفتگوهای طبیعی»؛ هدف گوگل از ادغام Gemini در بلندگوهای هوشمند

·۲۷ خرداد ۱۴۰۵۶ دقیقه مطالعه
بلندگوی گوگل هوم مجهز به جمینی سرانجام رسید
بلندگوی گوگل هوم مجهز به جمینی سرانجام رسید
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی کامل موتور پردازش زبان در سخت‌افزار ۱۰۰ دلاری؛ یعنی انتقال از سیستم‌های Trigger-based به مدل‌های Generative در مقیاس تجاری و ارزان.

اگر از تکرار دستورات خشک و سخت‌گیرانه برای کنترل خانه خسته شده‌اید، اسپیکر جدید گوگل هوم (Google Home Speaker) دقیقاً برای حل همین کلافگی طراحی شده است. طبق گزارش Wired، پیش‌سفارش این دستگاه ۱۰۰ دلاری از ۱۷ ژوئن ۲۰۲۶ آغاز می‌شود و فروش رسمی آن از ۲۵ ژوئن آغاز خواهد شد.

گوگل طی شش سال گذشته هیچ اسپیکر هوشمند اختصاصی جدیدی عرضه نکرد و آخرین مدل‌های اصلی آن در دوران پاندمی وارد بازار شدند. حالا این وقفه به پایان رسیده و شرکت به‌طور کامل از دستیار صوتی قدیمی به سمت اکوسیستم هوش مصنوعی Gemini حرکت کرده است. این تغییر، خانه هوشمند را از یک سیستم ساده‌ی «دستور و اجرا» به محیطی با درک زبان طبیعی (Natural Language Understanding) — شبیه به این‌که با یک انسان واقعی صحبت کنید که منظور شما را حتی بدون کلمات دقیق می‌فهمد — تبدیل می‌کند. این دستگاه نخستین بار پاییز گذشته در کنار دوربین‌های هوشمند Nest و زنگ‌های در ویدئویی جدید معرفی شد و وعده عرضه در بهار ۲۰۲۶ داده شده بود.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی ادغام مدل‌های زبانی در سخت‌افزار اشاره کردیم، هدف نهایی تبدیل گجت‌ها به شریکی است که زمینه بحث را می‌شناسد.

تجربه Gemini

به نقل از مستندات گوگل، ارتقای اصلی در نحوه پردازش گفتار است. Gemini به شما اجازه می‌دهد در میانه‌ی یک جمله مکث کنید یا سؤال خود را تغییر دهید، درست مثل یک گفتگوی انسانی. همچنین می‌توانید چندین دستور پیچیده را در یک درخواست بگنجانید؛ مثلاً از اسپیکر بخواهید تمام چراغ‌ها را خاموش کند، به‌جز یک چراغ مطالعه خاص در کنار تخت. چون Gemini در درک مکالمات طبیعی بسیار قوی‌تر است، دیگر نیازی نیست جملات با فرمت‌های خاص و خشک بیان شوند و کاربران مجبور نیستند برای رسیدن به نتیجه مطلوب، یک درخواست را به چندین روش مختلف تکرار کنند.

اسپیکر گوگل هوم مجهود به جمینی سرانجام عرضه شد

یک دستاورد مهم در دسترسی‌پذیری، قابلیت «گفتگوی مستمر» (Continued Conversation) است. این ویژگی که میکروفون را برای سؤالات بعدی باز نگه می‌دارد تا کاربر مجبور نباشد دوباره کلمه فعال‌ساز (Wake Word) را بگوید، پیش‌تر فقط برای زبان انگلیسی در اسپیکرهای قدیمی محدود بود، اما اکنون تمام زبان‌های رسمی را پشتیبانی می‌کند. کاربران می‌توانند سؤالات تکمیلی بپرسند بدون اینکه مجبور باشند کل زمینه و موضوع اصلی بحث را از ابتدا توضیح دهند.

مشخصات سخت‌افزاری و صوتی

از نظر طراحی، اسپیکر به شکل یک گوی فشرده است تا صدای ۳۶۰ درجه و متوازن ارائه دهد. این طراحی اجازه می‌دهد دستگاه در هر نقطه‌ای از اتاق قرار بگیرد و کیفیت صوتی قدرتمندی داشته باشد، حتی در نقاطی که از نظر آکوستیک ایده‌آل نیستند. گوگل ادعا می‌کند این مدل نسبت به Nest Mini یک ارتقای صوتی عظیم است و درایوری دو برابر بزرگ‌تر با بیس بسیار قدرتمندتر دارد، هرچند ابعاد آن از Nest Audio کوچک‌تر است.

مشخصات فنی کلیدی عبارت‌اند از:

  • اتصالات: Wi-Fi 6 و Bluetooth 5.4
  • استانداردهای خانه هوشمند: پشتیبانی کامل از Thread و Matter برای ایفای نقش هاب مرکزی که اجازه می‌دهد به عنوان مرکز مدیریت برای سایر دستگاه‌های سازگار با Matter عمل کند.
  • کنترل‌ها: پنل لمسی خازنی در بالا و یک کلید سخت‌افزاری برای قطع صدای میکروفون (Mute) تا اطمینان حاصل شود که Gemini گوش نمی‌دهد.
  • میکروفون‌ها: سه میکروفون میدان‌دور (Far-field) که اختصاصاً برای صحبت با Gemini طراحی شده‌اند.
  • بصری: یک حلقه LED درخشان در پایه برای نمایش وضعیت شنود یا پردازش داده‌ها.

این اسپیکر در چهار رنگ متمایز عرضه می‌شود: توت‌فرنگی (Berry)، یشمی (Jade)، فندقی (Hazel) و چینی (Porcelain). با این حال، گزینه‌های توت‌فرنگی و یشمی منحصراً برای بازار ایالات متحده در دسترس هستند.

Gemini Live و اشتراک‌ها

پیشرفته‌ترین قابلیت، Gemini Live است که اجازه می‌دهد بدون هیچ کلمه فعال‌ساز، یک دیالوگ روان و رفت‌وبرگشتی داشته باشید. با گفتن «Hey Google, let's talk»، کاربران وارد حالتی می‌شوند که می‌توانند بدون مکث برای گفتن کلمه فعال‌ساز، گفتگو کنند. این قابلیت محدود به دستگاه‌های جدیدتر مانند همین اسپیکر گوگل هوم و Nest Audio است.

اما این ویژگی پشت یک اشتراک ماهیانه به نام Google Home Premium قرار گرفته است. خریداران جدید ۶ ماه رایگان این سرویس را دریافت می‌کنند. همچنین یک سطح «پیشرفته» (Advanced) جداگانه وجود دارد که قابلیت‌های حتی بیشتری را باز می‌کند.

کاربران Premium به موارد زیر دسترسی دارند:

  • تنظیم اتوماسیون‌ها با استفاده از زبان طبیعی
  • ۳۰ روز تاریخچه ویدئویی برای دوربین‌های امنیتی
  • اعلان‌های هوشمند ارتقایافته
  • حق انتخاب بین ۱۰ صدای مختلف برای Gemini

امنیت و یکپارچگی اکوسیستم

برای کسانی که دوربین‌های Nest دارند، این اسپیکر به یک رابط هوشمند تبدیل می‌شود. می‌توانید از Gemini سؤالات دقیقی درباره ویدئوها بپرسید؛ مثلاً «آیا سگ بیسکویت روی پیشخوان را خورد؟» یا «آیا بسته FedEx رسید؟». اگرچه این ویژگی در حال حاضر برای هر کسی که در گوگل هوم قدیمی خود Gemini را فعال کرده باشد در دسترس است، اما گنجاندن آن در این سخت‌افزار یک تسهیل برای کاربر است.

آنیش کاتوکاران، مدیر ارشد محصول Google Nest و Google Home، تأیید می‌کند که دستگاه از مدل‌های محلی (Local Models) برای جداسازی بهتر صدا و فیلتر کردن نویز محیط استفاده می‌کند. این کار کمک می‌کند اسپیکر دقیق‌تر تشخیص دهد چه زمانی مخاطب با او صحبت می‌کند.

کاتوکاران همچنین فاش کرد که از زمان باز کردن دسترسی زودهنگام Gemini در خانه گوگل در پاییز گذشته، بیش از ۳.۵ میلیون خانه در ۲۰ کشور و به بیش از ۱۰ زبان این تجربه را پذیرفته‌اند. این روند گسترده منجر به شناسایی و رفع بیش از ۲۵۰۰ باگ در سیستم Gemini و گوگل هوم شده است.

تحلیل بازار

این عرضه یک قمار بزرگ برای گوگل است. با جایگزینی Assistant، آن‌ها پذیرفته‌اند که سیستم قدیمی به سقف توانایی‌هایش رسیده است. کاتوکاران اشاره می‌کند که کاربران اکنون دو برابر بیشتر با Gemini تعامل می‌کنند تا دستیار قدیمی. این جهش احتمالاً بخشی به دلیل افت کیفیت Assistant در دوران گذار بوده است، جایی که چندین ویژگی در طول انتقال به Gemini از کار افتادند.

برای مصرف‌کننده، این یعنی اسپیکر دیگر فقط یک تایمر یا پخش‌کننده موسیقی نیست، بلکه به یک مدیر فعال خانه تبدیل شده است. کاربران همچنان می‌توانند گروه‌های اسپیکر را در اپلیکیشن گوگل هوم بسازند یا موسیقی و پادکست‌ها را Cast کنند. همچنین، دو عدد از این اسپیکر را می‌توان به Google TV Streamer متصل کرد تا صدای محیطی (Surround) ایجاد شود، هرچند این قابلیت هنوز برای تلویزیون‌هایی که گوگل تی‌وی داخلی دارند فعال نشده است.

با این حال، محدود کردن بهترین قابلیت‌های مکالمه‌ای (Gemini Live) به اشتراک پولی ممکن است کاربرانی را که به کنترل صوتی رایگان و باز عادت کرده بودند، ناراضی کند.

با احتمال عرضه اسپیکر جدید اپل با Siri بازسازی‌شده در اواخر امسال و معرفی Alexa+ توسط آمازون (ده سال پس از عرضه اولین Echo)، جنگ سخت‌افزاری دوباره شروع شده است. برنده کسی نیست که بهترین درایور بلندگو را دارد، بلکه کسی است که هوش مصنوعی‌اش قصد کاربر را در اولین تلاش درست بفهمد.

به پلتفرم آینده Googlebooks و گوشی‌های Pixel توجه داشته باشید، زیرا شایعه شده است که نشانگرهای LED «نوار درخشان» (Glow Bar) که در این اسپیکر دیده می‌شود، زبان طراحی جدید در سراسر اکوسیستم گوگل خواهد بود.

گام بعدی شما

  • اگر کاربر اکوسیستم Nest هستید، بررسی کنید آیا دسترسی زودهنگام Gemini برای منطقه شما فعال شده یا خیر.
  • در صورت خرید، از ۶ ماه رایگان Premium برای تست اتوماسیون‌های زبان طبیعی استفاده کنید.
  • برای کاهش تداخل صوتی، دستگاه را در نقاطی قرار دهید که از دیوارهای بازتابی دور باشند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این جابجایی نشان می‌دهد که عصر «دستیارهای صوتی» به پایان رسیده و عصر «عامل‌های خانگی» آغاز شده است. تخصص گوگل در یکپارچه‌سازی مدل‌های لبه (Edge) با ابری، استانداردهای جدیدی برای سرعت پاسخ‌دهی در سخت‌افزارهای ارزان‌قیمت ایجاد می‌کند.

تأثیر برای ایران

به‌دلیل محدودیت‌های جغرافیایی و تحریم‌های سرویس‌های گوگل، دسترسی به Gemini Live برای کاربران ایرانی دشوار است و این محصول در بازار داخلی بیشتر به عنوان یک سخت‌افزار با قابلیت‌های محدود عمل خواهد کرد.

·نگاه ما
تحریریه دات‌هوش

گوگل با انتقال از ساختار «درخت دستورات» به «مدل‌های مولد»، ریسک توهم را پذیرفته تا در عوض، سد والاح تعامل انسانی را بشکند. این یک شرط‌بندی روی تجربه کاربری (UX) است؛ یعنی گوگل معتقد است کاربر ترجیح می‌دهد گاهی جواب غلط اما طبیعی بگیرد تا اینکه همیشه جواب درست اما با رابطه‌ای رباتیک و خشک داشته باشد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.