Google 今年稍早將 Gemini Spark 帶到 macOS，如今再替 Mac 版 Gemini 應用加入兩項相當實用的升級，這兩個更新不只是功能補強，而是可能改變你在 Mac 上完成工作的方式，無論你是否準備放棄現有的語音輸入工具，或希望 AI 能直接理解並操作螢幕上的內容。
Mac 版 Gemini 現在可以把你說的話轉換成文字，並根據內容行動
最新版本中，Gemini 在 macOS 上獲得了 系統級語音輸入。只要在任何視窗中長按 Fn 鍵，就能立即開始語音輸入，Gemini 會將你的語音即時轉錄成文字，並自動過濾掉「嗯」、「啊」等語氣詞，讓輸出內容更自然、可直接使用。這項功能預設啟用，不需要額外設定，也不限於特定應用程式，你可以用它寫電子郵件、回覆 Slack、整理筆記或撰寫文件，完全融入日常工作流程。
過去，像 Wispr Flow、Willow 等 AI 語音輸入工具已提供類似的最佳化轉錄能力，但它們需要額外下載，有些甚至需要訂閱。如今 Gemini 將語音輸入直接整合進系統級操作，對已經在使用 Gemini 的 Mac 用戶來說，等於省下一套工具，也讓語音工作流程更順暢。Google 表示，語音輸入功能已向全球所有 macOS Gemini 用戶推出，目前支援英語，今年稍後會加入更多語言。
第二項更新則是更具野心的螢幕感知推理（screen-aware reasoning）。啟用後，Gemini 可以讀取你目前的活動視窗，並將畫面內容作為上下文，協助處理更複雜的請求。這不只是「看懂」螢幕，而是能根據畫面內容直接採取行動。
例如，你可以框選一段草稿筆記，要求 Gemini 將其重寫成更精簡的概要，它會理解內容、重新組織語句，並把結果直接輸出到遊標所在位置。若你正在查看一份高亮標註的文件，裡面包含預算政策或飲食限制等細節，Gemini 能讀取這些資訊，並根據內容替你撰寫一封提醒郵件。甚至，它還能從 Google 地圖中抓取附近手搖飲店的推薦資訊，作為附註加入郵件裡，讓回覆更貼近情境需求。
這些能力讓 Gemini 不再只是「回答問題」的聊天式 AI，而是能主動理解你正在處理的內容，並在你所在的工作環境中直接採取行動。對 Mac 用戶而言，這代表 Gemini 正逐步成為一種真正的「工作代理」，能跨越應用程式、跨越情境，協助完成原本需要手動操作的任務。
在 Apple 仍未推出強化版 Siri 的情況下，Google 這次的更新顯得格外突出。透過語音轉錄與螢幕感知推理，Mac 版 Gemini 已經從一個 AI 助手，進化成能理解語音、讀懂畫面並直接行動的工作夥伴，為 macOS 上的 AI 使用方式開啟了新的可能。