Google kynnir Gemini 3.8 Live raddgervigreindarlíkön

Google Alphabet Inc. ↗ 0.78% gaf út á þriðjudag Gemini 3.8 Live og Gemini 3.8 Live Extended Thinking, tvö raddmiðuð gervigreindarlíkön hönnuð fyrir rauntímasamtöl, sjónrænan skilning og vinnslu verkefna í bakgrunni. Fyrirtækið segir þetta vera sín fullkomnustu líkön fyrir lifandi samtal til þessa.blog+1

Með þessari útgáfu keppir Google beint við GPT-Live-1 frá OpenAI á nýjum markaði fyrir raddfulltrúa, en á mun lægra verði. Samkvæmt The Decoder kostar Gemini 3.8 Live Extended Thinking um 1,38 dollara á klukkustund af raddsamtali, sem er um það bil 13 sinnum ódýrara en lausn OpenAI. Á gæðavísitölu Artificial Analysis fyrir tal-í-tal samskipti fékk Extended Thinking 82,6 stig og náði efsta sæti, samanborið við 79,4 stig hjá GPT-Live-1.autointerviewai+1

Hvað líkönin gera

Gemini 3.8 Live er hannað fyrir umfang og hagkvæmni, vinnur úr sjónrænum gögnum í nær rauntíma og skiptir sjálfkrafa á milli 97 tungumála í miðju samtali. Það getur framkvæmt verkfæraköll og API-beiðnir í bakgrunni á meðan það heldur áfram að tala, viðurkennir beiðni notanda munnlega og heldur samtalinu áfram þegar verkefninu er lokið.unite+1

Extended Thinking bætir dýpri röksemdafærslu við þetta samtalalag. Google segir að líkanið rökstyðji og tali samtímis, með því að nota munnlegar vísbendingar eins og "Leyfðu mér að athuga það…" til að viðhalda náttúrulegum flæði á meðan það vinnur úr flóknum verkefnum. Það skoraði 68,6% á τ-Voice viðmiðunarprófinu og 97,7% á Big Bench Audio.blog+1

Kynningarmyndbönd sýna líkönin leiðbeina starfsmönnum við nýliðun með lifandi sjónrænu samhengi, breyta handteiknuðum skissum í virka React-hluta með raddsvörun og samræma flóknar bókanir á veitingastöðum með ósamstilltum fallköllum.unite

Aðgangur

Bæði líkönin fóru í dreifingu á þriðjudag. Forritarar geta nálgast þau í gegnum Gemini API og Google AI Studio. Fyrirtæki fá einkaforskoðun í Gemini Enterprise og þjónusta fyrir viðskiptavini bætist við síðar. Fyrir almenna notendur knýr Gemini 3.8 Live Google Search Live, á meðan Extended Thinking er fáanlegt í Gemini Live appinu, í Docs fyrir Google AI Pro og Ultra áskrifendur, og í Gmail og Keep fyrir alla Google AI áskrifendur.sqmagazine+1

Google nefndi Agora, LiveKit, Pipecat, Vercel og Salesforce ↘ 3.94% sem fyrstu samstarfsaðila sem byggja á raddlíkönunum. Allt hljóðúttak er vatnsmerkt með SynthID kerfi Google til að merkja gervigreindarframleitt tal.blog+1

Samkeppnisstaðan

Útgáfan skerpir samkeppnina í raddgervigreind. GPT-Live-1 frá OpenAI heldur tæknilegu forskoti, þ.e. raunverulegu full-duplex samtali þar sem líkanið hlustar á meðan það talar, en Google veðjar á að betri viðmiðunarpróf og árásargjarn verðlagning muni laða að forritara sem byggja raddfulltrúa í stórum stíl. Á EVA-Bench hjá ServiceNow ↘ 0.38% segir Google að líkön sín ýti mörkum nákvæmni og samtalagæða fyrir flókin raddverkflæði.orcarouter+3