7 月 29 日，谷歌为 Mac 版 Gemini 应用推出重要更新：用户只需长按键盘左下角的 Fn 键，就能在任意窗口中直接对 Gemini 说话，让 AI 把语音变成润色好的文字，或者根据屏幕内容执行更复杂的任务。这项功能曾在今年 5 月的 I/O 2026 开发者大会上预告，如今随 Mac 版 Gemini 1.88 版本正式落地。

智能听写：自动去掉「嗯」「啊」

更新的第一项核心能力是「智能听写」。用户在任何应用里把光标放到目标位置，长按 Fn 键开口说话，Gemini 就会把语音实时转成文字，直接落在光标处。

与系统自带听写不同的是，Gemini 会在转写过程中自动删掉「嗯」「啊」之类的口头填充词，还能识别说话人的中途改口——比如先说了一个时间又马上纠正，最终稿只保留改过之后的版本，输出的是一段格式规整的成品文本。触发后屏幕底部会出现一个带声波动画的悬浮胶囊，提示正在聆听。

值得一提的是，双击 Fn 键本就是 macOS 自带听写功能的默认触发方式之一，谷歌选择长按同一个键位，明显是想让老用户无缝迁移。

屏幕感知：AI 能「看懂」你在干什么

第二项能力叫「屏幕感知推理」，需要用户在设置中主动开启。启用后，Gemini 可以理解 Mac 屏幕上的可见内容，配合语音指令完成跨应用任务。

谷歌给出了几个典型场景：选中桌面上的一批文件后开口说「读一下这些宠物医院的档案，把狗的病史总结成一封发给寄养机构的邮件」；在任意应用里高亮一段笔记，然后说「把这些笔记改写成一份执行摘要，开头加一段要点速览」，改好的文字会直接插回原处；还可以对着屏幕上的插画说「基于这张图生成一个深色模式版本」，让 Gemini 生成或修改图片。

苹果生态里其实早有类似的单点能力：macOS 内置听写可以语音转文字，Apple Intelligence 写作工具能校对、改写、摘要选中文本，Siri AI 也具备屏幕感知。科技媒体 AppleInsider 评价称，Gemini 的真正差异点在于把听写、编辑、屏幕感知三件事收进了同一个快捷键，省掉了在聊天窗口和工作文档之间来回搬运的所有步骤。

隐私细节仍待谷歌交代

屏幕感知被设计成可选项，用户可自行决定是否允许 Gemini 访问屏幕信息。但谷歌尚未说明该功能需要调用哪些 macOS 系统权限、屏幕内容数据如何处理，以及能否覆盖所有应用和输入框。相比普通听写，这类功能获取的信息要多得多，透明度问题预计会成为后续关注焦点。

谷歌今年 4 月才推出原生 Mac 版 Gemini 应用，6 月加入可自动执行任务的 Spark 智能体，如今又补上语音入口，桌面端的迭代节奏相当激进。新语音功能目前已面向全球所有 Mac 版 Gemini 用户推送，暂时仅支持英语，谷歌表示更多语言将在今年晚些时候跟进。

来源：MacRumors（https://www.macrumors.com/2026/07/29/gemini-for-mac-dictation/）、9to5Google、AppleInsider