Google представила Gemini, що аналізує відео наживо та перемикається між 97 мовами посеред розмови
Режим читання збільшує текст, прибирає всю зайву інформацію зі сторінки і дозволяє зосередитися на матеріалі. Тут ви можете вимкнути його в будь-який момент.
Компанія Google презентувала нові ШІ-моделі Gemini 3.8 Live та Gemini 3.8 Live Extended Thinking, що призначені для максимально природної голосової взаємодії. Розповідаємо деталі.
Що сталося
Google оголосила про запуск двох нових моделей штучного інтелекту для голосового спілкування — Gemini 3.8 Live та Gemini 3.8 Live Extended Thinking. Головним завданням цих розробок є зробити розмову з ШІ природною, плавною та максимально схожою на діалог із живим співрозмовником.
Gemini 3.8 Live — це звичайна версія, що розроблена для швидких затримок у відповідях і розрахована на масове використання з низькими витратами. Вона аналізує зображення та відеопотік у реальному часі безпосередньо під час розмови. Наприклад, модель може грати в шахи або допомагати адаптуватися новому працівникові, орієнтуючись на зображення з камери чи екрана. Модель вміє автоматично розпізнавати та перемикатися між 97 мовами просто посеред фрази.
Чому це цікаво
Gemini 3.8 Live Extended Thinking — це потужніша версія для складних завдань. Модель розмірковує безпосередньо під час мовлення, заповнюючи паузи більш природними фразами та коментуючи свої кроки. Вона здатна перетворювати намальовані на папері ескізи на робочий вебкод, розробляти бізнес-плани або самостійно здійснювати складні бронювання.
Модель посіла перше місце в рейтингу якості голосового AI (Speech to Speech Quality Index із результатом 82,6) та здобула 97,7% у тесті Big Bench Audio.
Обидві ШІ-моделі можуть запускати зовнішні інструменти та шукати інформацію «за лаштунками», не перериваючи бесіду. Усі згенеровані аудіофайли містять непомітний цифровий водяний знак SynthID, який дозволяє відрізнити штучний голос від справжнього. Нові можливості з’являються в Search Live, застосунку Gemini Live та сервісах Google Workspace (Docs, Gmail, Keep). Доступ відкритий через Gemini API, Google AI Studio та Gemini Enterprise.
Більше про це
Google випустила нову модель Gemini, що перевірятиме контракти та вказуватиме на юридичні ризики
Будь-яку статтю можна зберегти в закладки на сайті, щоб прочитати її пізніше.
Партнерські матеріали
