谷歌为 macOS 版 Gemini 加入“自然说话”能力，进一步把 AI 推向桌面工作流

Google 为 macOS 版 Gemini 推出“自然说话”功能，用户可长按 Fn 键在任意桌面窗口口述，Gemini 自动清理口语并写回光标位置；开启推理后还能读取屏幕上下文进行摘要、改写及图像生成。该功能先向全球英语用户推送，仅支持 Apple Silicon 与 macOS Sequoia 15.0 及以上，并作为 Google 将 Gemini 打造成桌面工作流助手系列更新的一部分。

Google 在 7 月 29 日发布的 官方博客 中表示，Gemini for macOS 现在加入新的自然语言能力：用户只要长按 Fn 键，就能在任意桌面窗口里直接开口，让系统把口述内容转成更干净的文本；如果开启推理功能，Gemini 还可以读取屏幕上下文，帮助用户摘要、改写，甚至生成和编辑图片。Google 说，这项能力会先向英语用户全球推送，其他语言“即将到来”。

从“打字给 AI”到“说给光标听”

在默认模式下，这次更新更像一套智能听写工具。Google 说，Gemini 会自动去掉口语里的 “ums” 和 “ahs”，处理中途更正，再把整理好的内容直接写回当前光标位置。若用户在设置中打开 Gemini reasoning，它还能理解屏幕内容，帮助提炼本地文件、图片或文档信息，改写语气，甚至按指令生成和编辑图片。

Google 的 Gemini for macOS 产品页 也显示，这款桌面应用面向支持的地区免费提供，要求 macOS Sequoia 15.0 或更高版本，并且只运行在 Apple Silicon 机型上。用户可以通过 Option+Space 唤出 Gemini，再分享窗口让它读取上下文。

Google 继续把 Gemini 往“工作流助手”方向推

这次更新并不是从零开始的单点功能，而是 Google 今年夏天一连串桌面化调整中的一环。6 月 30 日，Google 在 Gemini Spark updates: macOS launch, connected apps and more 中宣布，把 Spark 带到 Gemini 的 macOS 应用里，强调它可以跨桌面文件与应用执行多步骤任务，还能接入 Google Tasks、Google Keep，以及 Canva、Dropbox、Instacart、OpenTable、Zillow Rentals 等外部服务，并支持自定义 MCP 连接。

当时 Google 还写明，Spark 会先面向美国的 Google AI Ultra 订阅者 Beta 推出，而新的 voice features 要在今年夏天晚些时候上线。现在到 7 月底，语音功能已经进入正式推送阶段。Google 的 帮助中心 也补充说，Gemini Spark 在 Mac 上可以分析、编辑和重命名用户明确授权的文件夹内容，并支持从另一台设备远程下达语音命令。

AI Flux 早前在 Gemini Spark 登陆 macOS 并扩展连接 和 Workspace 引入语音与图像创作工具 的报道里就指出，Google 正把 Gemini 从“回答问题的聊天框”往“替你做事的桌面助手”方向推进；这次的自然语言更新，则把输入门槛再往下压了一层。

竞争焦点仍在桌面整合和上下文能力

从外部观察者的解读看，这次更新也明显带有对标意味。9to5Google 认为，新能力让 Gemini 能在你正在工作的任意窗口里“说话”和改写文本；Forbes 则把它描述为对 Apple Intelligence 和 ChatGPT Mac 版的一次正面挑战。无论怎么命名，核心变化都在于：Google 想让 Gemini 不再只是一个要切换窗口才能对话的助手，而是一个能跟着屏幕、光标和文件一起工作的系统级入口。

但 Google 也没有把边界说得特别大。官方公告目前只确认英语全球推送，并说更多语言“soon”；帮助文档则多次提醒，Spark 涉及文件访问、分享和删除时需要用户授权，且一些操作仍应谨慎使用。对桌面 AI 而言，真正的分水岭也许不只是“能不能说话”，而是它在多大程度上能够理解上下文、跨应用完成动作，同时又不让用户失去控制感。