Google 醞釀了十年的計劃，一直是在跑一場馬拉松，布局非常長遠且穩健。Pichai 以一句話總結：「這是 AI 表現最差的一天。。。。」。
這是 AI 表現最差的一天。。。。
透過 Gemini 的互動式影像，加深理解知識
科學研究不斷表明，真正的學習需要積極參與。這正是 Gemini 幫助您學習的根本所在。除了簡單的文字和靜態圖像，我們現在還在Gemini 應用中推出互動式圖像——這項新功能旨在幫助您以視覺化的方式探索複雜的學術概念。
想像你在研究消化系統或細胞結構。現在，你不再只能看到標籤，而是可以直接點擊圖表中的特定部分，解鎖一個互動式面板。此面板提供即時定義、詳細解釋以及可供深入研究的內容。
透過與圖像互動，Gemini 將學習方式從被動觀看轉變為主動探索。現在，透過某些影像，您可以獲得更多相關主題資訊並提出後續問題。這標誌著學習方式朝著更直覺、更動態、更易於理解的方向邁出了重要一步。
Paper2Video 論文自動生成視頻系統
Paper2Video 能從輸入的論文（LaTeX源碼）、一張圖片和一段音頻，生成完整的學術報告視頻。集成了幻燈片生成、字幕生成、游標定位、語音合成、講者視頻渲染等多模態子模塊，實現一條龍的演示視頻製作流程。支持並行處理以提升視頻生成效率，推薦GPU為NVIDIA A6000（48G顯存）及以上。
需要設定 GPT-4.1 或 Gemini2.5-Pro 等大型語言模型 API Key，支持本地 Qwen 模型。
從零寫AI RAG 個人知識庫
影片中，作者使用了 Google 的 embedding 模型和 ChromaDB 向量資料庫來實現這個架構。
- RAG 架構簡介 解釋了 RAG 的基本原理，即將長文章拆分成小片段，對每個片段進行 embedding，然後儲存到向量資料庫中，並在使用者提問時找出最相關的片段發送給大型語言模型。
- 文章分塊 示範如何將一篇關於「令狐沖轉生為史萊姆」的虛構文章進行分塊處理。他首先使用雙回車符作為切分依據，然後進一步優化，將以警號開頭的標題與後續的正文合併。
- Embedding 與資料庫儲存 介紹如何使用 Google 的 embedding 模型對分塊後的文本進行 embedding，並將這些 embedding 及其原始文本儲存到 ChromaDB 向量資料庫中。作者特別提到 Google embedding 模型的「儲存」和「查詢」兩種模式。
- 查詢功能 說明如何透過查詢 embedding 模型並從 ChromaDB 中檢索出與使用者問題最相關的文本片段。
- 整合大型語言模型 最後，展示如何將查詢到的相關文本片段與使用者問題一起發送給大型語言模型（Gemini Flash 2.5），以生成更準確的回應。
影片強調動手實作的重要性，鼓勵觀眾親自寫一遍程式碼以加深理解。
从零写AI RAG 个人知识库
Firebase Studio – 雲端 Vibe 編程
Google Firebase Studio 的目標是盡量簡化開發流程，就算你是剛剛開始學寫 App 也不用擔心。只要你有基本了解，Firebase Studio 可以透過 AI 助手 Gemini 幫你寫 Code、Debug 同埋改善效能。完成了之後，無論是全方位的應用程式，抑或 API、後台、前端同埋手機 App，佢都可以幫你自動整合發佈。測試期間，你可以擁有 3 個的免費工作空間。
Firebase Studio: 9 Must See Features (FREE to Use)
最先進的文本嵌入模型 gemini-embedding-exp-03-07
Embedding 文字嵌入，意思是將文字轉換為有意義的向量數值。其主要目的是為了讓 A.I. 開發者能夠利用這些向量，實現更精準的語義搜尋，即使查詢與文本內容的詞彙不完全相同也能找到相關資訊。
Google 宣布推出一個新的實驗性 Gemini 文字嵌入模型，稱為 gemini-embedding-exp-03-07。這個模型繼承了語言和細微語境的理解，適合廣泛的應用。這個新模型超越了 Google 之前的最先進模型，並在多語言文本嵌入基準測試（MTEB）中名列前茅，同時還提供了更長的輸入長度等新功能。目前已經可以透過 Gemini API 開始使用。
Gemini 2.0 語音及影像應用程式
透過 Gemini 2.0 API 和 Next.js 框架，作者分享了如何建構一個實時多模態應用程式。佢能夠接收影像和語音輸入，並透過 WebSocket 傳送至 Gemini API。Gemini API 會生成音頻輸出和文字轉錄，然後整合到有互動功能的聊天介面。教學包括深入探討應用程式的各個組件部分，例如媒體擷取、音訊處理、WebSocket 連線、轉錄服務以及用戶介面的更新。作者亦提供了開源的程式範例，並且逐步加以說明，方便大家由 GitHub 複製，並執行這應用程式。
實作 Gemini 實時語音 RAG 助手。
利用 Gemini 2.0 的多模態即時 API 來建立一個實時的語音 RAG 助手。RAG，也就是檢索增強生成，肯定是語言模型中最有價值的增強之一。透過上下文感知的回答，它被證明是處理有關最新資訊的問題或任務的有效方法。
由於 Gemini 的多模態即時 API 裡面沒有內建的文件檢索介面，影片將展示如何建立一個自訂的流程，來接收用戶的語音，從提供的文件中檢索內容，然後讓Gemini 以語音回覆。
Talk to Your Documents: Create a Real-Time RAG Assistant with Gemini 2.0 Multimodal Live API
bolt.diy 生成式網頁設計
bolt.diy 允許使用者使用任何大型語言模型 (LLM) 來建立、執行、編輯和部署全端網頁應用程式。它支援多種 LLM，例如 OpenAI、Anthropic 和 HuggingFace 等，並具備可擴展架構以支援更多模型。這裡包含專案的安裝說明、使用方法、支援的 LLM 列表、以及社群參與和未來發展規劃等資訊，目標是提供一個方便易用且高度彈性的 AI 程式碼輔助工具。
🎯 Let’s Hack Bolts! | Optimize Bolt.diy Using Prompt Engineering 🚀
Gemini 2.0 Video Analyzer 影片分析
本片中展示 AI Studio 上 Gemini 2.0 中的入門應用程式之一 「視訊分析器」，並詳細介紹如何使用 Python 程式碼和新的統一 SDK 從多角度分析影片內容。
Gemini 2.0 - Video Analyzer with Code
