近年来,随着人工智能技术的不断进步,谷歌不断推动其AI生态的发展,致力于让先进的人工智能功能能够在设备端实现,确保用户数据的隐私安全,同时提升响应速度和使用体验。谷歌最新发布的AI Edge Gallery,已经成为开发人员探索和实践本地生成式AI的重要平台。2025年9月5日,全新的Google AI Edge Gallery在原有文本和图像输入功能基础上,加入了音频处理能力,且正式上线Google Play商店公开测试,标志着谷歌在对设备端AI功能的布局走向更加成熟和多元化。谷歌AI Edge Gallery最初是在Google I/O大会上首次亮相,其核心目标是打造一个开源、互动的演示平台,不仅向开发者提供可实践的示例,还附带透明的性能指标和直接的开发文档链接,方便开发者快速上手和定制本地AI模型。短短两个月内,其GitHub上的APK下载量便突破50万,反映了开发者社区对于强大的本地隐私保护生成式AI功能的强烈需求和广泛认可。此次重大更新凸显了谷歌在语音AI领域的布局。
至今,谷歌AI Edge堆栈支持文本和视觉两大输入模态,而新加入的音频功能则扩大了AI的感知维度。首个集成音频处理的新模型是Gemma 3n,它通过Android和Web版本的MediaPipe LLM推理API提供支持。Gemma 3n带来的音频能力主要包括高质量的语音转文字转录和语音到文本的实时翻译。开发者和用户可以直接在设备端处理音频输入,无需依赖网络连接,大幅提升了隐私保护和使用便捷性。目前,MediaPipe LLM推理API支持最长30秒的音频批量推理,面向实时流式处理的功能正在积极研发中,未来或将实现更流畅且持续的语音交互体验。为了让用户亲身体验这套全新的音频AI功能,Google AI Edge Gallery新增了"音频速写(Audio Scribe)"模块。
用户不仅可以上传音频文件,也能够用设备麦克风录制音频,让Gemma 3n即时在手机上进行离线转录,无需担心网络环境。这个功能对于许多对隐私敏感、并且需要高效语音转录的应用场景非常有价值,如会议记录、语言学习和跨语言沟通等。与此同时,为了进一步提升用户体验和扩大影响力,谷歌把Google AI Edge Gallery推向了Google Play商店,推出公开测试版。这意味着普通用户也能够通过Play商店轻松安装并尝试这款集成最新技术的AI演示应用。同时,谷歌依然保持应用作为开源项目的本质,鼓励开发者访问Github,深度定制和扩展功能,强强结合官方应用的便利性和源码的灵活开放性。谷歌AI Edge Gallery未来的计划依然充满野心,除了即将支持iOS平台,扩展用户覆盖面之外,还将持续丰富演示内容,涵盖更多AI生成任务,如增强检索生成(Retrieval Augmented Generation,简称RAG)以及设备端函数调用能力。
同时,谷歌将提升底层架构,从目前的MediaPipe LLM推理API过渡到全新的LiteRT-LM,这是谷歌推出的开源轻量级大语言模型运行时,旨在为开发者带来更灵活、透明且高效的模型运行环境。此外,谷歌还积极推动与开源社区合作,将更多模型进行转换、优化并发布到Hugging Face的LiteRT生态中,进一步提升AI模型在本地端的多样性和实用性,带来更丰富的创新应用可能。想必随着谷歌AI Edge Gallery的持续发展,移动设备上的离线生成式AI将不再受限于网络,赋能更多行业和场景,实现真正开放、高效且安全的智能体验。无论是AI研究者、应用开发者,还是普通技术爱好者,都可以通过这一平台发现和实践前沿的AI功能,打造属于自己的创新产品。谷歌AI Edge Gallery此次的音频升级和Google Play商店里的便捷入口,标志着本地AI时代的又一里程碑。它不仅向外界展示了谷歌在AI领域的深厚技术积累和开放合作精神,也为全球开发者带来了丰富的机遇。
未来,随着更多技术融入和功能完善,谷歌AI Edge Gallery必将成为推动移动端智能化革命的重要推手,续写AI应用的新篇章。 。
