Google-მა Gemini 3.8 Live ხმოვანი AI მოდელები წარადგინა

Google Alphabet Inc. ↗ 0.78%-მა სამშაბათს გამოუშვა Gemini 3.8 Live და Gemini 3.8 Live Extended Thinking, ხმოვანი AI მოდელების წყვილი, რომლებიც შექმნილია რეალურ დროში საუბრისთვის, ვიზუალური აღქმისთვის და ფონური დავალებების შესასრულებლად. კომპანია მათ თავის დღემდე ყველაზე მოწინავე ცოცხალი დიალოგის მოდელებს უწოდებს.blog+1

ეს გაშვება Google-ს საშუალებას აძლევს პირდაპირ კონკურენცია გაუწიოს OpenAI-ის GPT-Live-1-ს ხმოვანი აგენტების განვითარებად ბაზარზე, თანაც გაცილებით დაბალ ფასად. The Decoder-ის ცნობით, Gemini 3.8 Live Extended Thinking-ის ღირებულება საათში დაახლოებით 1.38 დოლარია, რაც OpenAI-ის შეთავაზებაზე დაახლოებით 13-ჯერ იაფია. Artificial Analysis-ის Speech to Speech Quality Index-ში Extended Thinking-მა 82.6 ქულა დააგროვა და პირველი ადგილი დაიკავა, მაშინ როცა GPT-Live-1-ის მაჩვენებელი 79.4-ია.autointerviewai+1

რას აკეთებენ ეს მოდელები

Gemini 3.8 Live შექმნილია მასშტაბურობისა და ხარჯების ეფექტურობისთვის, ამუშავებს ვიზუალურ მონაცემებს თითქმის რეალურ დროში და ავტომატურად გადადის 97 ენას შორის საუბრის პროცესში. მას შეუძლია შეასრულოს ხელსაწყოების გამოძახება და API მოთხოვნები ფონურ რეჟიმში საუბრის გაგრძელების პარალელურად, მომხმარებლის მოთხოვნის ვერბალურად დადასტურებით და დავალების დასრულების შემდეგ საუბრის განახლებით.unite+1

Extended Thinking ამ სასაუბრო ფენას უფრო ღრმა მსჯელობის უნარს ამატებს. Google აცხადებს, რომ მოდელი მსჯელობს და საუბრობს ერთდროულად, იყენებს ვერბალურ მინიშნებებს, როგორიცაა „ნება მომეცით შევამოწმო…“, რათა შეინარჩუნოს ბუნებრივი დინება მრავალეტაპიანი პრობლემების გადაჭრისას. მან 68.6% დააგროვა τ-Voice აგენტური დავალებების ბენჩმარკზე და 97.7% Big Bench Audio-ზე.blog+1

სადემონსტრაციო ვიდეოები აჩვენებს, თუ როგორ უწევენ მოდელები ხელმძღვანელობას თანამშრომლების ადაპტაციის პროცესს ცოცხალი ვიზუალური კონტექსტით, როგორ გარდაქმნიან ხელნაკეთ ესკიზებს ფუნქციურ React კომპონენტებად ხმოვანი უკუკავშირის საშუალებით და როგორ კოორდინაციას უწევენ მრავალეტაპიან რესტორნის ჯავშნებს ასინქრონული ფუნქციების გამოძახებით.unite

ვის აქვს წვდომა

ორივე მოდელის გავრცელება სამშაბათს დაიწყო. დეველოპერებს მათზე წვდომა აქვთ Gemini API-სა და Google AI Studio-ს მეშვეობით. საწარმოები მიიღებენ პირად გადახედვას Gemini Enterprise-ში, ხოლო მომხმარებელთა გამოცდილების მხარდაჭერა მოგვიანებით დაემატება. მომხმარებლებისთვის Gemini 3.8 Live უზრუნველყოფს Google Search Live-ს, ხოლო Extended Thinking ხელმისაწვდომია Gemini Live აპლიკაციაში, Docs-ში Google AI Pro და Ultra გამომწერებისთვის, ასევე Gmail-სა და Keep-ში ყველა Google AI გამომწერისთვის.sqmagazine+1

Google-მა დაასახელა Agora, LiveKit, Pipecat, Vercel და Salesforce ↘ 3.94% იმ ადრეულ პარტნიორებს შორის, რომლებიც მოდელების დაბალი ლატენტურობის მქონე ხელსაწყოების გამოძახების შესაძლებლობებზე აშენებენ პროდუქტებს. ყველა აუდიო გამომავალი მონიშნულია Google-ის SynthID სისტემით, რათა გამოვლინდეს AI-ის მიერ გენერირებული მეტყველება.blog+1

კონკურენტული გარემო

ეს გამოშვება ამძაფრებს მეტოქეობას ხმოვან AI-ში. OpenAI-ის GPT-Live-1 ინარჩუნებს არქიტექტურულ უპირატესობას, რაც გულისხმობს ნამდვილ სრულ დუპლექსურ საუბარს, ანუ მოსმენას საუბრის პარალელურად, თუმცა Google ფსონს დებს იმაზე, რომ უმაღლესი ბენჩმარკები და აგრესიული ფასები მოიზიდავს დეველოპერებს, რომლებიც მასშტაბურ ხმოვან აგენტებს ქმნიან. ServiceNow-ის ↘ 0.38% EVA-Bench-ზე დაყრდნობით, Google აცხადებს, რომ მისი მოდელები აფართოებენ სიზუსტისა და სასაუბრო ხარისხის ზღვარს კომპლექსური ხმოვანი სამუშაო პროცესებისთვის.orcarouter+3