Gemini dla macOS zamienia dyktowanie głosowe w asystenta czytającego ekran

Google rozszerzył aplikację Gemini na komputery Mac o funkcję, która ma zastąpić klasyczne pisanie na klawiaturze rozmową z asystentem widzącym, co dzieje się na ekranie. Aktualizacja, ogłoszona 29 lipca 2026 roku, wprowadza dyktowanie aktywowane jednym klawiszem oraz opcjonalny tryb, w którym Gemini czyta zaznaczone pliki, obrazy i dokumenty, po czym sam je edytuje na polecenie głosowe.

Jak działa nowe dyktowanie

Mechanizm jest prosty w założeniu: użytkownik przytrzymuje klawisz Fn w dowolnej aplikacji na pulpicie, mówi, a na dole ekranu pojawia się pływająca fala dźwiękowa sygnalizująca nagrywanie. Gemini automatycznie usuwa "yyy" i "eee", wyłapuje poprawki wypowiadane w połowie zdania i wkleja gotowy, sformatowany tekst dokładnie w miejscu, gdzie stoi kursor.

Google porównuje to rozwiązanie do funkcji Rambler znanej z klawiatury Gboard na telefonach z serii Gemini Intelligence - tam podobny mechanizm oczyszczania mowy działa od dłuższego czasu, teraz trafia na komputery stacjonarne.

Tryb świadomy ekranu

Druga, opcjonalna warstwa funkcji wymaga włączenia w ustawieniach trybu "Gemini reasoning". Po jego aktywacji aplikacja potrafi zaznaczyć plik, obraz, fragment tekstu lub cały dokument otwarty w innym programie i na polecenie głosowe streścić go, przepisać innym tonem albo skomponować od nowa.

W tym trybie Gemini generuje też i edytuje obrazy bez opuszczania aplikacji, w której akurat pracuje użytkownik - wystarczy opisać głosem, co ma się zmienić w grafice czy projekcie. Funkcję można uruchomić także przyciskiem udostępniania ekranu w oknie "Ask Gemini", nie tylko klawiszem Fn.

Starcie z Apple Intelligence i ChatGPT Desktop

Recenzenci zwracają uwagę, że integracja na poziomie systemu - jeden klawisz uruchamiający funkcję w dowolnym oknie - stawia Gemini bliżej natywnych możliwości macOS niż konkurencyjne aplikacje. Według opisu funkcji Gemini potrafi odczytywać zawartość całych folderów bezpośrednio z Findera i wstawiać wynikowy tekst bez ręcznego kopiowania, czego na razie nie oferują ani Apple Intelligence, ani desktopowa wersja ChatGPT.

To kolejny krok Google w kierunku zamiany aplikacji Gemini z klasycznego okna czatu w warstwę asystencką rozpiętą na cały system operacyjny. Zamiast przełączać się między oknem przeglądarki a dokumentem, użytkownik ma zostać w swoim edytorze czy arkuszu, a to Gemini dostosowuje się do kontekstu tego, co widzi na ekranie.

Co to oznacza dla użytkowników

Na start funkcja działa wyłącznie po angielsku, więc polscy użytkownicy poczekają na pełne wsparcie językowe - Google zapowiada jedynie, że kolejne języki mają dojść "wkrótce", bez podania konkretnej daty. Wymagana jest też aktualizacja aplikacji Gemini dla macOS do wersji 1.88 lub nowszej, pobieranej ze strony gemini.google/mac.

Dla firm i freelancerów pracujących na Makach oznacza to potencjalnie szybsze tworzenie notatek, transkrypcji spotkań czy pierwszych wersji tekstów bez przepisywania nagrań ręcznie. Warstwa "reasoning" ze zrozumieniem ekranu idzie o krok dalej niż zwykłe dyktowanie, zbliżając Gemini do funkcji, które wcześniej wymagały osobnych narzędzi do automatyzacji pulpitu.