Transcription
谷歌在一周内发布的 AI 更新比大多数公司一年发布的都要多。Gemini 3 Pro、Nano Banana Pro、Agent Mode、VO3.1。如果您感到困惑，您并不孤单。这是完整的分解。我们将向您展示每个更新的确切功能、它们如何协同工作以及如何立即开始使用它们。没有废话，只有有效的方法。我们将介绍 Gemini 3 Pro 的原因和功能，Nano Banana Pro 用于工作室级图像，以及 VO3.1 用于视频生成。然后，我们将连接这些点，向您展示如何在同一个实际工作流程中将它们全部结合使用。那么，让我们开始吧。好的，首先是第一件事。什么是 Gemini 3 Pro？它是谷歌目前最智能的 AI 模型。将其视为目前为谷歌所有 AI 工具提供动力的“大脑”。它是多模态的，这意味着它可以同时理解和生成文本、图像、音频、视频、PDF 甚至整个代码库。Gemini 3 Pro 于 2025 年 11 月 18 日发布，与 Gemini 2.5 Pro 相比有了巨大的升级。该模型专为复杂的推理、长上下文理解和代理任务而设计。基本上可以自主规划、执行和完成多步工作流程。如果您关心数字，那么 Gemini 3 Pro 在这里占据主导地位。它在人类最后的考试中得分 37.5%（无工具）。在 GPQA Diamond 上得分 91.9%，在 Screen Spot Pro 上得分 72.7%（该测试衡量其对屏幕上 UI 元素的理解程度）。它在 GBT 5.1、Clawson Sonnet 4.5 及其前代 Gemini 2.5 Pro 方面全面领先。好了，我将向您展示这实际上是如何工作的。我现在将打开 Gemini 应用，我们将进行一些测试。我想向您展示低思维水平和高思维水平之间的区别，然后我们将测试多模态功能。我现在就在 Gemini 应用中。我已经从模型选择器中选择了“思考”。这使我可以访问 Gemini 3.0 Pro。让我们从一个简单的测试开始。在我在这里测试 Gemini 3 Pro 的同时，我在另一个标签页中使用 AI Master Pro。我在这里整理我的提示并跟踪实际有效的方法。但关键在于。我们在其中构建了一个名为 Ask AI Master 的 AI 代理，它经过我们知识库的训练，可以立即教您关于 Gemini、VO、Nano Banana Pro 以及任何与 AI 相关的内容。此外，我们还为 Gemini 提供了 PDF 指南，并且我们正在为 VO 和 Nano Banana 开发完整的课程。哦，我们正在将这些视频和图像生成工具直接集成到平台中。所以，立即加入以获得早期访问权限和额外的生成积分。链接在下方。现在，让我们继续。我将给它一个复杂的推理问题。这是我的测试提示。好的，我已经提交了提示。看看 Gemini 3.0 Pro 如何思考这个问题。它正在分解问题，计算指标，并制定战略性建议。看看这个。它不仅仅是给我一个通用的答案。它正在计算每种策略的影响，比较数字，并根据投资回报率对选项进行排名。这就是高思维水平的实际应用。该模型在生成输出之前花费了几秒钟来规划其响应。结果更加结构化和可操作。现在，让我们测试多模态功能。我将上传一张图像，一张复杂数据仪表板的屏幕截图，并要求 Gemini 进行分析。这是我的提示。很好。它不仅仅是在读取图像。它实际上在解释数据，发现模式，指出异常，并提出后续步骤。这就是您意识到多模态模型不仅仅是额外的附加功能的时候。它们基本上是一个全能的分析师，可以在您甚至放大之前查看仪表板并告诉您什么最重要。这时就豁然开朗了。我们正从手动要求 AI 分析数据，转变为简单地向世界展示它，并让它自己得出结论。因此，本章的结束恰好是 Gemini 分析的结束，即认识到多模态不是分析的未来。它是新的基准。如果它可以分解静态仪表板。当我们向它抛出更混乱的东西时，比如完整的视频，会发生什么？我们还将测试其视频分析功能。在下一个示例中，我将上传一个视频，并要求 Gemini 将其分解为章节，突出关键时刻，识别情感高峰，并建议如何收紧故事情节。这里的目标很简单。多模态模型能否像真正的编辑一样工作，而不仅仅是转录机？砰，它完成了所有工作。清晰的结构，清晰的见解，甚至还有关于节奏的说明。此时，它不是 AI 帮助编辑。它是一个初级编辑。最后的测试，长上下文理解。我将上传一份 30 页的 PDF，一份研究报告，并要求 Gemini 进行总结并回答具体问题。我的提示就是这么简单。完美。它阅读了整整 30 页的文档，提取了关键发现，确定了方法论，并标记了局限性部分。这是 100 万个 token 上下文窗口在起作用。没有分块，没有错误，只有准确、全面的分析。现在，让我们测试 Google 搜索中的新扩展 AI 模式。这是 Gemini 3.0 Pro 直接为 Google 搜索提供支持，为您提供更深入、更具上下文感知能力的答案。我已经启用了 Google 搜索中的 AI 模式和扩展思考。看看区别。这是我的搜索查询。如何提高技术教程的 YouTube 点击率。看看这个。它不仅仅是给我一个链接列表。它正在生成完整的布局，包含可操作的技巧、缩略图示例、标题公式，甚至还有技术频道的点击率基准。它正在从多个来源提取数据，进行综合，并以清晰的视觉格式呈现。这就是 AI 驱动的搜索应该的样子。现在，让我们尝试更复杂的东西。搜索查询。量子纠缠是如何工作的？令人难以置信。它不仅仅是文本。它正在生成可视化图表，显示粒子状态、自旋相关性，甚至还有一个将纠缠与同步硬币进行比较的比喻。这就是 AI 驱动的学习。它正在将一个密集的物理概念变得可视化和易于理解。让我们进一步推动。搜索查询。可视化 10,000 美元以 7% 的年回报率在 20 年内复合利息的增长情况。完美。它生成了一个完整的图表，其中包含逐年细分和增长曲线，并计算出最终回报 38,697 美元。这就是 AI 模式成为学习工具的地方。它不仅仅是查找信息。它正在可视化和解释原理。好了，现在让我向您展示我如何实时组织这一切，因为事情是这样的，Gemini 3 Pro、VO、Nano Banana，这些都是强大的工具，但当您测试多个模型并构建实际工作流程时，您需要一个中心来将所有内容整合在一起。这就是 AI Master Pro。这是我构建并每天使用的全能平台。让我向您展示里面的内容。首先，我们有课程。AI Master 方法涵盖 AI 基础知识和工作流程。此外，我们目前正在为 VO 和 Nano Banana 开发专门的课程。但关键在于。我们构建了一个名为 Ask AI Master 的 AI 代理，它经过我们知识库的训练，可以教您 Gemini、VO、Nano Banana，以及我们今天涵盖的所有内容。您可以随时随地向它提问，同时进行学习。我们还拥有 Prompt Lab Pro，提供 300 多个即用型提示、提示创建器、文本转语音，所有这些都已内置。所以，您不仅仅是在学习 AI，您在学习的同时也在使用 AI。正如我之前提到的，我们将 VO 和 Nano Banana 直接集成到平台中。目前，我们为前 1,000 名会员提供年度订阅 24% 的折扣。如果您一直在想，我需要弄清楚这个 AI 的事情，这是开始的最简单方法。链接在描述中。好的，我们已经看到了搜索中的 AI 模式，但 Gemini 3 Pro 在教育方面变得非常强大。您可以要求它创建自定义学习材料，可视化复杂概念，甚至构建交互式工具来探索科学原理。这不仅仅是阅读解释。这是按需创建可视化交互式学习体验。让我向您展示。我将要求 Gemini 创建一个物理概念的可视化解释，特别是抛射运动。我将尝试这个提示。看看这个。它显示了抛物线轨迹，将速度分解为水平、恒定和受重力影响的垂直分量，并逐步讲解数学。它甚至生成了一个简单的图表，显示了发射角度、最高点和着陆点。现在，让我们进一步。我将要求 Gemini 编写代码来模拟这一点。编写物理模拟代码。这是下一个提示。完美。它编写了一个完整的 Python 脚本，包含用户输入、物理计算和 matt plot lib 可视化。该脚本计算最大高度、射程、飞行时间，并绘制轨迹曲线。这是可以运行的。我可以将其复制粘贴到 Jupyter Notebook 或 Google Collab 中并立即进行测试。这是实时物理教育，可视化、交互式且即时。现在，让我们将其提升到一个新的水平。我将要求 Gemini 构建一个完整的交互式教育应用程序，而不仅仅是生成解释或一次性模拟，您可以利用它来探索概念、调整参数并实时查看结果。我将构建一个乐高风格的物理构造器，一个您可以设计结构、施加力并查看它们在物理规则下如何表现的应用程序。这是我为基于 Python 的乐高应用程序准备的提示。令人难以置信。它生成了一个完整的应用程序。让我来讲解一下代码。块放置系统。单击网格上的块。物理引擎。重力将块拉下。摩擦力减缓滑动。检测碰撞。力应用。单击并拖动以施加推拉力。实时可视化。Pygame 渲染块并显示力作为向量。代码是模块化的。物理渲染和用户输入的独立函数。这是生产就绪的。它正在运行。我正在放置积木来建造一座塔。现在我启用了重力。观察结构倒塌，因为底部不稳定。让我用一个更宽的底座重建。现在我施加一个侧向力。观察积木如何现实地滑动和掉落。这是一个在不到 2 分钟内通过一个提示创建的完全交互式的物理游乐场。再来一个。我将要求 Gemini 为欧姆定律创建一个交互式可视化。这是我的提示。完美。该应用程序具有电压和电阻的滑块。自动计算电流。显示简单的电路图并在实时更新的图表上绘制 VI 和 R。在这里。我正在调整电压滑块。观察电流值如何立即更新以及图表如何重绘。现在我增加电阻。电流成比例下降。这是主动学习。您调整输入并立即看到系统如何响应。手动构建需要数小时。Gemini 在几秒钟内就完成了。接下来是语音模式。这使您可以与 Gemini 进行自然的口头对话。无需键入。它内置于 Gemini 中。我通常在手机上使用它。所以，麦克风图标。嘿 Gemini，我需要计划一个关于 AI 自动化工具的 YouTube 视频。建议五个标题选项，一个能在最初 10 秒内吸引观众的钩子，以及一个 15 分钟视频的内容结构。看看这个。Gemini 正在处理我的语音输入，理解上下文，并生成完整的视频计划、标题、钩子、结构，一切都已完成。响应是即时的，而且是全面的。这非常适合在旅途中进行头脑风暴，当您没有时间打字时。现在，让我们尝试实时模式。事情变得疯狂的地方就在这里。实时模式允许 Gemini 实时查看您的屏幕或使用您的摄像头。它会立即响应它看到的内容。所以，我已经启用了实时模式并对准了我的手机摄像头。我为自动化工作流程绘制了一个粗略的流程图。你能读懂这个流程图并告诉我是否有任何逻辑错误或遗漏的步骤吗？好的，让我们看看这个流程图。它以“接收订单”开始，然后“输入系统”，接着是“信用检查”。如果信用检查没问题，它会继续检查库存。如果没有，它会转到“拒绝订单”。>> 令人难以置信。Gemini 正在读取我的手写内容，理解流程图结构，发现缺失的条件步骤，并建议在哪里添加错误处理。这是实时视觉推理。您可以使用它来调试屏幕上的代码，分析纸质文档，甚至获得对笔记的即时反馈。所以，这就是我们目前所处的阶段。Gemini 实时模式在现实对话式 AI 方面处于领先地位，而 Runway 4.5、VO 3.1 和 Sora 2 在 AI 视频一致性方面正在迅速追赶。而且这场比赛远未结束。老实说，速度太快了。六个月前，这些工具都远未达到这个水平。这就引出了一个现实的问题。如果您不积极学习 AI 的工作原理，不仅仅是观看有关它的视频，而是实际使用它，您将在 2026 年醒来，意识到差距已经大大拉大。根据世界经济论坛的数据，AI 是 2025 年最受欢迎的技能之一。然而，我们大多数人都没有学会。这使我们处于危险之中，不仅会落后，而且会被取代。您仍然有 45 天的时间来学习 AI，并在 2026 年成为一名技能更强、更聪明、更具就业能力的人。而且您可以在短短两天内完成。让我告诉您关于 Outskill 的为期两天的现场 AI 大师培训，这是世界上第一个专注于 AI 的教育平台。它将于本周六和周日举行，两天都是上午 10 点至下午 7 点（美国东部时间）。而且时机非常完美，因为他们正在进行年终假日优惠，所以您可以免费获得，而不是通常的 395 美元。Outskill 在 Trustpilot 上的评分为 4.9/5。来自微软和英伟达等公司的 AI 专家直接指导，已有超过 1000 万全球专业人士参加了这次为期 16 小时的现场体验，他们来自营销、金融、工程和数据等领域。最棒的部分是，这次培训不仅仅是学习工具。它是关于改变您的工作方式。您将学习如何使用 AI 来简化日常任务。构建计划、创建和自动化工作流程的 AI 代理。设计连接 Sheets、Notion 和 CRM 等工具的 AI 自动化，以节省数小时。为您的工作、业务或自由职业项目获得现成的 AI 系统。但仅仅学习这些技能还不够。最重要的一部分是知道如何将其货币化。Outskill 的学习者已经推出了 AI 驱动的业务，甚至建立了每周收入模型，价值 4,000 至 5,000 美元。不仅如此，您还将获得价值 5,000 美元的奖金，包括一本提示圣经、一个 AI 货币化路线图和一个个性化 AI 工具包构建器，前提是您参加了两天。今年圣诞节，将这个机会送给您认为可以从学习 AI 中受益的人，因为它可能会改变他们 2026 年的职业生涯。座位有限。立即通过描述中的链接抢占您的座位，并加入 WhatsApp 社区以在重大爆炸前保持更新。让我们谈谈图像识别。Gemini 3 Pro 不仅仅是生成图像。它可以以手术般的精度进行分析。它可以读取图像中的文本，OCR，识别对象，理解布局，从图表中提取数据，甚至解释手写内容。我将上传一张收据的照片，这张照片被揉皱了，有点模糊，是用我的手机拍的，并要求 Gemini 提取所有数据。提示：从这张收据中提取所有信息。商家名称、日期、购买的商品、价格、总计和付款方式。格式化为表格。完美。它读取了每一行，甚至底部的小字，并将其格式化为一个清晰的结构化表格。商家名称、日期、商品、价格、总计，一切都准确无误。这适用于发票、名片、合同、表格，任何包含文本的内容。[音乐]现在，让我们测试布局理解。我将上传一个网站主页的屏幕截图，并要求 Gemini 批评设计，使用这个提示。看看这个回应。它正在分析视觉层次结构，注意到导航菜单混乱，并建议在首屏上方有一个更清晰的焦点。这是来自真正理解布局的 AI 的设计反馈。接下来是代理模式。这就是 Gemini 3.0 Pro 变得非常强大的地方。代理模式允许 Gemini 自主完成多步任务。您给它一个高级目标，比如整理收件箱或研究并起草电子邮件，它会将其分解为步骤，使用工具，并为您执行计划。代理模式由 Gemini 3.0 Pro 的高级推理、实时网络浏览和工具使用提供支持。它与 Gmail、Google 日历、Canvas、Deep Research 等集成。好了，我们来谈谈图像。Nano Banana Pro 是谷歌最先进的图像生成和编辑模型。它基于 Gemini 3.0 Pro 构建，专为专业级图像创作而设计。让我们分解关键功能，我将为每个功能展示一个实际示例。Nano Banana Pro 是创建带有清晰、准确文本的图像的最佳模型。让我向您展示文本渲染的实际应用。我将创建一个带有清晰、易读文本的 YouTube 缩略图。我将使用这个提示。看看那个。文本非常清晰。没有奇怪的字距调整，没有扭曲的字母，只有干净、专业的排版。这正是您需要的缩略图、海报或任何文本可读性至关重要的设计。这是独一无二的。Nano Banana Pro 可以连接到 Google 搜索以实时验证事实。当被要求生成一张显示东京当前天气以及准确温度和状况的信息图时，它将从 Google 搜索中提取实时天气数据，并生成带有正确数字的图像。现在，让我们测试高级编辑控件。我将从一张明亮、阳光明媚的图像开始，并将其转换为一张阴郁的电影夜景。对于这个场景，我将使用这个提示。哇，整个氛围都变了。灯光现在阴郁而富有氛围。潮湿的街道上有霓虹灯反射，色彩分级是电影级的。这在 Photoshop 中需要数小时。Nano Banana Pro 在几秒钟内就完成了。您还可以上传最多 14 张参考图像。Nano Banana Pro 将无缝地融合它们。示例：上传一张角色肖像、一张风景背景和一张光照参考。提示：将这三张图像合并成一个连贯的场景，角色站在风景中，使用第三张图像的光照和风格。完美的角色一致性，无缝融合。最后，让我们测试多图像融合。我将通过融合三张图像来创建一个连贯的广告。一张产品照片、一个徽标和一张风格参考。这是我的提示。完美。产品得到突出显示。徽标自然地集成。美学符合风格参考，标语清晰易读。这是在 10 秒内生成的影院级品牌作品。最后一个功能是图像以 1K、2K 或 4K 分辨率生成。您可以创建 4K 分辨率的产品模型，用于印刷材料。输出将是清晰、高细节，并可用于大幅面打印。接下来是视频生成。VO 3.1 是谷歌最先进的视频生成模型。它以 720p 或 1080p 分辨率创建高保真度的 8 秒视频，并具有原生音频生成功能，这意味着声音会自动同步。以下是核心功能。原生音频生成，VO 3.1 自动生成同步音频。自然对话、音效、环境噪音，全部内置。现在，让我们测试原生音频生成。这就是 VO 3.1 真正闪光的地方。这是我的提示。听听这个。然后他就站起来走开了，让所有人都目瞪口呆。这是我见过最疯狂的事情。>> 天哪。>> 你可以听到对话。声音自然且与唇部运动完美同步。但要注意背景。有浓缩咖啡机的嘶嘶声。其他顾客的低语声，脚步声，甚至杯子的碰撞声。所有这些都是自动生成的。没有音效工作，没有音频混合。VO 3.1 创建了整个声音景观。图像到视频。上传静态图像，VO 将对其进行动画处理。这非常适合将 Nano Banana Pro 图像转换为动态视频剪辑。这是它变得强大的地方。我将使用一张刚刚用 Nano Banana Pro 创建的图像，并用 VO 3.1 进行动画处理。我的提示很简单。令人难以置信。产品平稳旋转。霓虹灯在闪烁，相机正在按提示缩放。背景音乐 upbeat 且符合氛围。这是从一张图像在三分钟内创建的完整视频广告。让我向您展示。我将用 Nano Banana Pro 创建两张图像。一张显示一个人在日出时站在悬崖上，另一张显示同一个人在太阳完全升起时举起双臂。完美。我有了两个关键帧。现在我将它们上传到 VO 3.1 并要求它创建过渡。我使用这个提示。令人难以置信。过渡是无缝的。从站立不动到举起双臂的动作自然而流畅。您可以看到头发和衣服在微风中飘动。这是通过定义两个帧创建的影院级运动。场景扩展。通过链接剪辑来扩展您的视频。现在让我们扩展视频以创建更长的叙事。我输入我的提示。相机拉远以显示完整的产品阵容。文本叠加出现在底部。立即可用。淡出到品牌徽标。完美。新剪辑无缝连接。相机拉远。文本叠加出现，然后淡出到徽标。这就是您如何使用 VO 3.1 构建完整的视频广告系列。一次一个扩展。最后，让我们测试参考图像。这对于在多个场景中保持视觉连续性至关重要。您最多可以上传三张参考图像，例如角色设计、地点或风格指南。VO3 会使用它们来保持一切一致。我将创建一个短叙事，包含三个场景，所有场景都以同一角色在不同地点出现。这是我为这个准备的提示。完美。角色与参考肖像完全匹配。相同的脸，相同的衣服。城市街道具有参考地点中的霓虹灯、粗糙的美学，并且灯光阴郁而富有电影感，就像参考图像一样。现在，让我们生成场景二。保持相同的角色，但改变地点。我的提示在这里，看看那个。角色完全一致。相同的脸，相同的衣服。公寓具有参考的阴郁电影感灯光，窗户上的雨，雷声，脚步声。所有音频都完美同步。这就是参考图像的力量。您可以创建具有完整视觉和角色连续性的多场景叙事，而无需手动绘制或拍摄任何内容。只需定义您的参考，VO3.1 即可处理其余部分。接下来是 Notebook LM。这是谷歌的 AI 驱动的研究和学习工具。您上传文档、PDF、文章或笔记，Notebook LM 会帮助您理解、总结和探索材料，甚至可以生成关于您内容的播客风格音频讨论。我将上传一份 50 页的 AI 对齐研究论文，并要求 Notebook LM 生成一个讨论关键思想的播客。我已经上传了论文。现在，我将点击“生成音频概述”。好了，它正在生成。Notebook LM 正在阅读整篇论文，识别主要论点，并创建两个 AI 主持人之间的对话式播客。一个提问，另一个解释概念。听听这个。>> 这份报告，它描绘了一幅极其复杂的图景。它由这些巨大、近乎荒谬的张力定义，>> 对吧？这是一种拔河比赛。>> 一种拔河比赛，在 >> 两位主持人正在用通俗易懂的语言分解复杂的 AI 对齐概念，提出澄清性问题，甚至添加评论。Notebook LM 将静态文档转化为动态对话式学习体验。上传讲义、业务报告或研究论文，即可获得一个解释关键思想的即时播客。这是重新构想的学习。好了，我们已经单独介绍了每个工具。现在，让我们将它们连接起来。谷歌 AI 堆栈的真正强大之处在于这些工具如何协同工作。有一个实际的工作流程，在一个项目中使用了 Gemini 3、Nano Banana Pro 和 VO 3.1。场景。您需要为产品发布创建一个社交媒体活动。您需要策略、图像、视频。第一步，使用 Gemini 3.0 Pro 进行策略。打开 Gemini 并给出这个提示。为新健身追踪器发布创建社交媒体活动策略。目标受众：千禧一代，25-35 岁，注重健康，活跃于 Instagram 和 TikTok，包括关键信息、内容创意、发布计划和标签。Gemini 生成一个完整的策略文档，包含信息支柱、内容创意和发布日历。第二步，使用 Nano Banana Pro 进行图像素材。从策略中提取关键信息，并使用 Nano Banana Pro 创建图像素材。上传您的产品照片、徽标和 [音乐] 品牌风格指南。生成三张图像：产品展示、生活方式照片和突出功能的信息图。第三步，使用 VO 3.1 进行视频内容。使用 VO 3.1 创建一个简短的产品演示视频。上传您的产品图像作为参考并提示。创建一段 8 秒的视频，展示健身追踪器在一个人跑步时戴在手腕上。电影感灯光， upbeat 音乐。这就是完整的工作流程。策略、创意素材、视频内容，全部由谷歌的 AI 堆栈提供支持。如果您想深入研究，我每天都在 AMR Pro 中构建所有这些东西。这是我的全能 AI 中心。课程、工具、提示、社区，一切。而且目前，我们为前 1,000 名会员提供年度订阅 24% 的折扣。链接在描述中。让我们一起构建一些东西。感谢观看。下次再见。