Google Gemini 3.8 Live omogućuje glatko glasovno upravljanje i istovremeno izvršavanje zadataka

Google predstavlja nove modele glasovne interakcije namijenjene programerima, tvrtkama i potrošačima. Osnovna verzija, Gemini 3.8 Live, usmjerena je na učinkovitost i fleksibilnost. Snažnija verzija, Gemini 3.8 Live Extended Thinking, prilagođena je rješavanju izuzetno zahtjevnih višekoračnih zadataka.

Gemini 3.8 Live omogućuje obradu vizualnog unosa gotovo u stvarnom vremenu, besprijekorno prilagođavajući i prebacujući se između 97 podržanih jezika tijekom razgovora. Jedinstvena značajka rješenja je mogućnost pokretanja alata i pozivanja programskih sučelja aplikacija (API-ja) u pozadini bez prekidanja glasovnog razgovora. To omogućuje korisniku da nastavi komunicirati dok sustav u pozadini dovršava složene zadatke.

Za složenije tijekove rada, Extended Thinking nudi duboko razmišljanje, koristeći prirodne govorne odgovore za validaciju zahtjeva i objašnjavanje napretka u stvarnom vremenu. Ovaj model zauzima prvo mjesto na indeksu kvalitete govora s rezultatom od 82,6 i rezultatom od 97,7 % na testu Big Bench Audio. Integracija je sada dostupna u svim uslugama Google Workspacea, uključujući Docs Live, Gmail Live i Keep Live, kao i Search Live.

Kako bi se osigurala sigurnost i spriječile dezinformacije, vodeni žig SynthID-a neprimjetno je ugrađen u sav generirani zvuk. Iako nova značajka obećava glatko glasovno upravljanje i visoku točnost, vrijedi biti malo oprezan pri korištenju u produkcijskim okruženjima i temeljitom testiranju rada.