影片筆記：Mac 也能本地跑 Gemma！Google AI Edge Gallery 完整体验

一句話總結

本影片實測了 Google 推出的 Google AI Android Gallery 軟體的 macOS 版本，演示了如何在 Mac 筆記型電腦上本地運行開源模型（如 Gemma 4 系列），並實際測試了圖片識別、語音轉錄及透過 Skill 呼叫外部工具（如維基百科）的功能，證實該軟體在 Mac 上具備快速運行速度與多模態處理能力。

核心重點

跨平台支援：該軟體提供 Android、iOS 與 macOS 三端相同的介面與體驗，讓 Mac 用戶也能運行原本僅限行動裝置的本地大語言模型。

模型規格：支援 Gemma 4 系列模型，包含 12B、14B、31B、26B 等參數規模。其中文本與圖片功能為所有模型支援，而影片與音訊功能僅限於 12B、14B 等較小參數模型。

安裝流程簡便：透過 GitHub 或官網下載 .dmg 檔案，拖曳至應用程式資料夾即可安裝，並透過內建 Model Manager 下載與管理模型。

多模態能力實測：

• 圖片識別：14B 模型能快速識別圖片中的繁體中文及模糊內容（如文言文教材）。
• 語音處理：支援麥克風錄音並進行語音轉字幕及翻譯。
• 工具呼叫：具備 Skill 功能，可嘗試呼叫 Python 環境執行查詢（如維基百科），但可能存在環境呼叫失敗的 Bug。

詳細大綱

一、 軟體介紹與背景

• 軟體名稱：Google AI Android Gallery（影片口語中亦提及 "AI Android Gallery"、"AI Engine Gallery"、"AI Chat" 等變體）。
• 核心功能：提供一套在三端（Android、iOS、macOS）擁有相同介面與體驗的框架，用於運行開源模型。
• 支援平台：
• Android（Google Play）
• iOS（App Store）
• macOS（新增支援，此前僅限行動端）。
• 優勢：讓手機端也能運行本地大模型，現在 Mac 用戶也可體驗。

二、 模型規格說明 (Gemma 4)

• 模型系列：Gemma 4（影片口語中亦稱為 "GEMLA 4"、"Gamia 4"、"Gama 4"）。
• 參數規模：提供 12B、14B、31B、26B 五種參數規模（影片口語中提及 "五種猜數"，疑為聽誤）。
• 功能支援範圍：
• 文本與圖片：所有 Gemma 4 模型皆支援。
• 影片與音訊：僅限於 12B、14B 等特定較小參數模型支援（影片口語提及 "12B 14B 和 12B"，疑點：31B/26B 是否支援未明確說明，僅強調小模型支援影音）。
• 本次測試對象：12B 或 14B 模型（實際演示主要使用 14B）。

三、 安裝與設定流程

下載途徑：

• GitHub 直接下載。
• 官網下載。

安裝步驟：

• 下載檔案為 .dmg 格式。
• 雙擊安裝，將軟體拖曳至 Application（應用程式）資料夾。
• 在 Launchpad 或應用程式列表中找到圖示並啟動。

初始設定：

• 點擊 "Accept and Continue"（接受並繼續）。
• 介面右上角顯示內建模型列表（如 E2B、12B、14B、3N 等，疑點：模型名稱拼寫）。

模型下載：

• 選擇模型（如 12B 或 14B）並點擊 "Download"。
• 左下角顯示下載進度、速度及模型大小。
• 下載完成後，可透過 "Model Manager" 管理或刪除模型。

四、 功能實測 (以 14B 模型為例)

• 介面結構：
• 左側選單包含：Settings（設定）、Ask Image（圖片諮詢）、Audio（音訊）、AI Chat（聊天）、Skill（技能/工具）。
• 右側為對話與功能區。
• 測試 1：圖片識別 (Ask Image)
• 操作：上傳一張包含中文繁體字、內容模糊的圖片（文言文學習教材）。
• 結果：
• 載入模型速度快，Token 生成速度快（測試環境記憶體 32GB）。
• 識別準確，能正確讀出左上角與左下角人物及文言文內容。
• 證明 14B 模型具備強大的圖片文字識別能力。
• 測試 2：音訊處理 (Audio)
• 功能：支援音訊檔案上傳或麥克風錄音，進行語音轉字幕/翻譯。
• 操作：使用麥克風錄製一段歡迎詞，要求轉譯為中文。
• 結果：成功將語音轉錄並翻譯，證明本地語音轉字幕功能可行。
• 測試 3：AI Chat
• 一般聊天功能，影片未詳細測試。
• 測試 4：Agent Skill (技能呼叫)
• 內建 Skill：Kircode（疑點：可能指 QR Code 解碼）、Catalina（疑點：可能指 Calendar 日曆）、查詢維基百科等。
• 操作：使用 "查詢維基百科" Skill，輸入關鍵字 "成龍"。
• 結果：
• 軟體嘗試呼叫 Python 環境執行查詢。
• 初期返回英文結果，要求中文回答後，軟體基於自身知識庫回答（因 Python 環境呼叫失敗，疑似軟體 Bug）。
• 確認軟體具備觸發 Skill 的能力。

工具 / 模型 / 名詞整理

| 類別 | 名稱/專有名詞 | 備註/疑點 |

| :--- | :--- | :--- |

| 軟體名稱 | Google AI Android Gallery | 影片口語中亦稱為 "AI Android Gallery"、"AI Engine Gallery"、"AI Chat"、"Android Gallery"。 |

| 軟體名稱 | Gemma 4 | 影片口語中亦稱為 "GEMLA 4"、"Gamia 4"、"Gama 4"。 |

| 模型參數 | 12B, 14B, 31B, 26B | 影片口語中提及 "12B 14B 12B"，疑點：重複提及 12B 或為口誤。 |

| 模型參數 | 3N | 影片口語中提及 "3N"，疑點：可能為 3B 或其他參數的聽寫錯誤。 |

| 模型參數 | E2B | 影片口語中提及 "E2B"、"ERB"，疑點：可能為 Gemma 系列中的某個特定版本或聽寫錯誤。 |

| 作業系統 | macOS | |

| 作業系統 | Android | |

| 作業系統 | iOS | 影片口語中稱為 "蘋果商店"、"AVSTART"（疑點：應為 App Store）。 |

| 功能模組 | Ask Image | 圖片諮詢功能。 |

| 功能模組 | Audio | 音訊處理功能。 |

| 功能模組 | AI Chat | AI 聊天功能。 |

| 功能模組 | Skill / Agent Skill | 技能呼叫功能。 |

| 功能模組 | Model Manager | 模型管理工具。 |

| 外部工具 | Python | 軟體嘗試呼叫 Python 環境執行 Skill。 |

| 外部服務 | 維基百科 (Wikipedia) | Skill 中用於查詢的來源。 |

| 檔案格式 | DMG | macOS 安裝檔格式。 |

| 其他專有名詞 | AMac.cpp | 影片口語中提及 "amac.cpp"，疑點：可能指 llama.cpp 或其他推理框架。 |

| 其他專有名詞 | MM Studio | 影片口語中提及 "MM Studio"，疑點：可能指 Open WebUI 或其他介面。 |

| 其他專有名詞 | AVSTART | 影片口語中提及 "AVSTART"，疑點：應為 App Store。 |

| 其他專有名詞 | Catalina | 影片口語中提及 "Catalina" 作為 Skill 名稱，疑點：可能指 Calendar（日曆）功能。 |

| 其他專有名詞 | Kircode | 影片口語中提及 "Kircode"，疑點：可能指 QR Code（二維碼）解碼功能。 |

操作流程整理

下載與安裝：

• 從 GitHub 或官網下載 .dmg 安裝檔。
• 雙擊安裝，將應用程式拖曳至 Application 資料夾。
• 從 Launchpad 啟動軟體。

初始設定與模型下載：

• 點擊 "Accept and Continue"。
• 在介面右上角選擇模型（如 12B 或 14B）。
• 點擊 "Download" 下載模型，等待進度條完成。

圖片識別測試：

• 進入 "Ask Image" 功能。
• 上傳包含文字或複雜內容的圖片。
• 觀察模型對圖片內容的識別與文字生成速度。

語音處理測試：

• 進入 "Audio" 功能。
• 使用麥克風錄音或上傳音訊檔案。
• 設定語言（如中文），執行語音轉字幕或翻譯。

工具呼叫測試 (Skill)：

• 進入 "Skill" 或 "Agent Skill" 功能。
• 選擇內建技能（如 "查詢維基百科"）。
• 輸入查詢關鍵字（如 "成龍"）。
• 觀察軟體是否成功呼叫 Python 環境或返回基於知識庫的回答。

值得注意的限制或風險

功能支援限制：影片口語提及影片與音訊功能僅限於 12B、14B 等特定較小參數模型支援，較大參數模型（如 31B、26B）的功能支援範圍未明確說明，可能存在限制。

Skill 呼叫穩定性：在測試維基百科查詢時，軟體嘗試呼叫 Python 環境但疑似失敗，導致軟體基於自身知識庫回答而非外部查詢結果，顯示 Skill 呼叫可能存在 Bug 或不穩定。

模型名稱辨識：影片中多次出現模型名稱與軟體名稱的口語變體（如 GEMLA 4、Gamia 4、E2B、3N 等），實際使用時需確認正確的模型版本與名稱，以免下載錯誤檔案。

硬體需求：測試環境為 32GB 記憶體，對於較大參數模型（如 31B、26B）的運行效能與記憶體需求未詳細說明，Mac 用戶需注意硬體規格是否足夠。

逐字稿辨識疑點

軟體名稱不一致：逐字稿中交替出現 "Google AI Android Gallery"、"AI Android Gallery"、"AI Engine Gallery"、"Android Gallery"。需查證該軟體在 macOS 上的正式名稱是否確實包含 "Android" 字樣，或為口誤。

模型名稱拼寫：

• "GEMLA 4"、"Gamia 4"、"Gama 4"：應查證是否為 Google 的 "Gemma" 系列模型。
• "E2B"、"ERB"：應查證是否為 Gemma 系列中的特定參數版本（如 2B）或聽寫錯誤。
• "3N"：應查證是否為 "3B" 或其他參數。

下載平台名稱："AVSTART"：應查證是否為 "App Store" 的聽寫錯誤。

推理框架名稱："amac.cpp"、"MM Studio"：應查證是否分別為 "llama.cpp" 及 "Open WebUI" 或 "Text Generation WebUI" 等常見本地模型運行工具的聽寫錯誤。

Skill 名稱："Kircode"、"Catalina"：應查證是否分別為 "QR Code" 和 "Calendar" 的聽寫錯誤。

模型參數重複：影片口語中多次重複 "12B 14B 12B"，疑點：是否為口誤或特定版本劃分。

功能支援範圍：影片口語中關於影音支援的模型範圍描述為 "12B 14B 和 12B"，語意不清，需查證具體哪些參數規模支援影音功能。

可延伸追問

該軟體在 macOS 上的正式官方名稱為何？是否真的包含 "Android" 字樣？

Gemma 4 系列中，31B 和 26B 模型是否支援影片與音訊功能？具體的硬體需求（如記憶體、GPU）為何？

"E2B"、"ERB"、"3N" 等模型參數名稱的正確拼寫為何？它們對應的是 Gemma 系列的哪個具體版本？

Skill 功能中呼叫 Python 環境失敗的原因為何？是否有已知的解決方案或更新？

該軟體是否支援更多類型的本地模型（如 Llama 系列），還是僅限於 Google 的 Gemma 系列？