Google tutvustas Gemini 3.8 Live mudeleid, tehisaruga saab loomulikumalt reaalajas suhelda

Google tutvustas uusi Gemini 3.8 Live ja Gemini 3.8 Live Extended Thinking tehisarumudeleid, mille peamine eesmärk on muuta tehisaruga häälvestlused loomulikumaks ja võimekamaks. Uued mudelid suudavad kasutajaga vesteldes samal ajal analüüsida visuaalset infot, kasutada erinevaid tööriistu ning täita taustal keerukamaid ülesandeid.

Google'i 15. septembril avalikustatud mudelitest Gemini 3.8 Live on suunatud eelkõige kiirele ja kuluefektiivsele reaalajas suhtlusele. Gemini 3.8 Live Extended Thinking on aga mõeldud keerulisemate ülesannete jaoks, kus tehisaru peab enne tegutsemist või selle käigus läbima mitmeetapilise arutlusprotsessi.

Gemini suudab korraga rääkida, vaadata ja tegutseda

Gemini 3.8 Live üks olulisemaid uuendusi on võime töödelda visuaalset infot peaaegu reaalajas. Näiteks võib kasutaja näidata telefonikaameraga mõnda eset, arvutiekraani või probleemi ning jätkata samal ajal tehisaruga häälvestlust.

Mudel oskab automaatselt tuvastada 97 toetatud keelt ning minna vestluse käigus ühelt keelelt teisele. Samuti saab Gemini kasutada taustal tööriistu ja teha API-päringuid ilma, et vestlus peaks selleks katkema.

Google demonstreeris näiteks olukorda, kus Gemini jälgib kaamera kaudu füüsilist malelauda, analüüsib käike ja vestleb kasutajaga mängu ajal. Teises näites kasutatakse visuaalset infot töötaja juhendamiseks – tehisaru näeb ekraanil toimuvat ning saab selle põhjal reaalajas küsimustele vastata.

Extended Thinking on mõeldud keerulisemate ülesannete jaoks

Gemini 3.8 Live Extended Thinking lisab reaalajas vestlusele põhjalikuma arutlusvõime. Mudel saab keerulisema ülesande lahendamise ajal kasutajaga edasi suhelda, selle asemel et kogu analüüsi ajaks vestlus peatada.

Näiteks võib Gemini esmalt kasutajale märku anda, et kontrollib vajalikku infot, ning seejärel kirjeldada ülesande täitmise edenemist. Samal ajal võib mudel kasutada taustal mitut tööriista või teenust.

Google demonstreeris Extended Thinkingu võimalusi muu hulgas veebiarenduses. Kasutaja saab näidata käsitsi joonistatud kasutajaliidese kavandit ning anda häälega täiendavaid juhiseid, mille põhjal Gemini loob töötavaid Reacti komponente.

Teises näites tegeleb tehisaru restoranibroneeringuga: Gemini vestleb kasutajaga loomulikult edasi, kontrollides samal ajal taustal vabu aegu ja muid broneeringuga seotud andmeid.

Google toob Gemini 3.8 Live'i oma teenustesse

Uued mudelid ei ole mõeldud ainult arendajatele. Google kasutab neid järjest enam ka oma teenustes.

Gemini 3.8 Live'i võimalusi rakendatakse näiteks Search Live'is, kus kasutaja võib näidata kaameraga tehnilist probleemi ning saada selle lahendamiseks reaalajas suuliseid juhiseid.

Gemini 3.8 Live Extended Thinking jõuab aga Gemini Live'i ning Google'i tasuliste tehisarupakettide kaudu ka Workspace'i rakendustesse. Mudelit kasutatakse Docsis, Gmailis ja Keepis, kus kasutaja saab ülesandeid järjest enam täita loomuliku häälvestluse kaudu.

Näiteks võib kasutaja paluda Geminil koostada päeva ülevaate, aidata postkasti korrastada või täita muid igapäevaseid ülesandeid.

Arendajad saavad luua võimekamaid häälassistente

Gemini 3.8 Live mudelid on olulised ka arendajatele, kes soovivad luua tehisarul põhinevaid häälassistente ja agente.

Gemini Live API-d toetavad mitmed arendusplatvormid, sealhulgas Agora, LangChain, LiveKit, Pipecat ja Vercel. Nende abil saab Gemini reaalajas heli- ja vestlusvõimekust integreerida erinevatesse rakendustesse ja teenustesse.

Google'i avaldatud testides näitas eriti tugevaid tulemusi Gemini 3.8 Live Extended Thinking. Mudel saavutas Artificial Analysise Speech to Speech Quality Indexis tulemuseks 82,6 punkti ning Big Bench Audio testis 97,7 protsenti.

Tehisaru loodud heli saab SynthID vesimärgi

Google kasutab Gemini loodud heli puhul ka SynthID tehnoloogiat. Tegemist on inimese jaoks märkamatult helisse lisatava digitaalse vesimärgiga, mille abil on võimalik hiljem tuvastada, et heli on loodud tehisaru abil.

Gemini 3.8 Live ja Gemini 3.8 Live Extended Thinking jõuavad kasutajateni järk-järgult. Arendajad saavad mõlemat mudelit kasutada Gemini API ja Google AI Studio kaudu, ettevõtetele pakutakse neid Gemini Enterprise'i lahendustes ning tavakasutajatele jõuavad uued võimalused muu hulgas Gemini Live'i, Google Searchi ja Workspace'i rakendustesse.

Seotud teemad: Google - teema, AI - teema, Tehisintellekt - teema