A Google bemutatta a Gemini 3.8 Live és Gemini 3.8 Live Extended Thinking modelleket, amelyek új szintre emelik a valós idejű hangalapú AI-kommunikációt. Az új fejlesztésekkel a mesterséges intelligenciával való beszélgetés természetesebbé, intuitívabbá és intelligensebbé válik, mint valaha.
A Gemini 3.8 Live a skálázhatóságra és a költséghatékony működésre összpontosít, miközben 97 nyelvet képes automatikusan felismerni és kezelni beszélgetés közben. A modell valós időben dolgoz fel vizuális bemeneteket is, és képes a háttérben API-hívásokat végrehajtani a zökkenőmentes párbeszéd megszakítása nélkül. A még összetettebb feladatokhoz tervezett Gemini 3.8 Live Extended Thinking párhuzamos érvelést és folyamatos hangalapú visszajelzést kínál a több lépésből álló munkafolyamatok során.
Az új modellek kimagasló eredményeket értek el a teljesítményméréseken, és megszerezték az iparágvezető Speech to Speech Quality Index első helyét. A fejlesztők és vállalkozások számára ez a technológia elhozza a megbízható, azonnal bevethető hangalapú agent rendszerek új generációját. A biztonságról és a hitelességről a generált hangokba épített, észrevétlen SynthID vízjel gondoskodik.
Az új funkciók máris elérhetők a fejlesztők számára a Gemini API-ban, valamint fokozatosan jelennek meg a Google Workspace, a Search Live és a Gemini alkalmazásokban, forradalmasítva a mindennapi AI-interakciókat.
Forrás: Google