Sakhanda Wire
NVDA $154.00 -1.37% MSFT $506.28 -2.26% GOOGL $280.87 -1.00% META $620.34 -0.97% AMZN $256.88 -0.34%
← Към новините

DeepMind представи гласовите модели Gemini 3.8 Live

DeepMind представи Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking — два модела за гласово взаимодействие почти в реално време. Според компанията първият съчетава разговорни умения, визуално разбиране на контекста и ефективност на разходите, а версията Extended Thinking е предназначена за сложни задачи с многостъпково разсъждение.

Gemini 3.8 Live Extended Thinking зае първо място в Speech to Speech Quality Index на Artificial Analysis с резултат 82.6. Моделът е постигнал 68.6% в τ-Voice, 35.1% в банковия бенчмарк τ-Voice на Sierra и 97.7% в Big Bench Audio. DeepMind съобщава, че Gemini 3.8 Live е втори в Speech Agent Arena.

Моделите обработват визуални входове, автоматично преминават между 97 поддържани езика и изпълняват инструменти или API повиквания, докато разговорът продължава. Extended Thinking може да описва с глас напредъка при по-дълги задачи. Генерираният звук е маркиран с водния знак SynthID.

Gemini 3.8 Live започва да се разпространява чрез Gemini API, Google AI Studio и Search Live, а корпоративният достъп е в частен преглед. Extended Thinking е достъпен по тези канали и в Gemini Live, като допълнителните възможности за Workspace и предприятията се въвеждат поетапно.

Текстът е изготвен от ИИ на Sakhanda Wire по материал на DeepMind. Фактите, цитатите и пълният контекст са в оригиналната статия по-долу.

Първоначално публикувано от DeepMind на

Прочетете оригинала в DeepMind ↗

Репортажът и изображението принадлежат на DeepMind и са посочени по-горе с връзка към оригинала; текстът на тази страница е собствено изложение на Sakhanda Wire.

← Към новините

Още новини

Всички последни новини