Sakhanda Wire
NVDA $153.59 -1.64% MSFT $507.00 -2.12% GOOGL $279.98 -1.32% META $619.94 -1.03% AMZN $256.62 -0.44%
← До новин

Google випустила Gemini 3.8 Live для голосових агентів

Google випустила Gemini 3.8 Live і Gemini 3.8 Live Extended Thinking — дві моделі перетворення мовлення на мовлення для голосових агентів, що працюють у реальному часі. Вони доступні через Gemini Live API та Google AI Studio для виробничого використання через API. Моделі розміщуються на сервісах Google і не призначені для самостійного розгортання.

Gemini 3.8 Live орієнтована на масштабовані та економні діалоги з урахуванням візуального контексту. Версія Extended Thinking призначена для складних завдань і багатоетапного міркування. Обидві моделі виконують виклики інструментів і API у фоновому режимі, поки аудіо продовжує надходити користувачеві, обробляють потокові візуальні дані та розпізнають буквено-цифрову інформацію. Вони автоматично перемикаються між 97 мовами. Extended Thinking може одночасно міркувати й говорити, описуючи перебіг тривалих операцій.

У Speech to Speech Quality Index від Artificial Analysis модель Gemini 3.8 Live Extended Thinking посіла перше місце з результатом 82.6. Вона набрала 68.6% у τ-Voice, 35.1% у τ-Voice-banking від Sierra та 97.7% у Big Bench Audio. Вартість становить $0.005 за хвилину вхідного аудіо і $0.018 за хвилину вихідного. Усе згенероване аудіо містить непомітну водяну мітку SynthID від Google DeepMind.

Текст підготовлено ШІ Sakhanda Wire за матеріалом MarkTechPost. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням MarkTechPost

Читати оригінал на MarkTechPost ↗

Репортаж і зображення належать MarkTechPost і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини