Google je funkcijo Live nekaj časa navidezno zanemarjal, a delo se v resnici ni ustavilo niti za trenutek. V zadnjih dneh vidimo rezultat. Izšla sta Gemini 3.8 Live in različica Live Extended Thinking, nato pa se jima je pridružil še Live Avatar, da bi bil pogovor z UI bolj življenjski, nastal pa je tudi Gemini 3.8 Flash TTS v dveh različicah.
ChatGPT je s funkcijo Hang (glasovni način) prej navdušil mnoge in tako Geminiju vzel žaromete, Google pa zdaj to poskuša spremeniti in si z Geminijem 3.8 Live prizadeva priti v boljši konkurenčni položaj. Ta model bo zmožen precej bolj življenjske komunikacije, z njim bo mogoče voditi pogovore v prijetnem tempu, če pa uporabnik klepetalnemu botu zastavi težje vprašanje, se loti dela Gemini 3.8 Live Extended Thinking.
Gemini 3.8 Live so razvili v duhu razširljivosti in stroškovne učinkovitosti, združuje pogovorno inteligenco, tekoč dialog in vizualne sposobnosti. Slednje do vrhunca požene novi Live Avatar s skoraj sprotnim generiranjem videa, prilagojenim govoru. Ustvari dinamičen lik, ki med pogovori posluša, vidi in govori. Njegov govor spremlja natančna sinhronizacija ustnic v 97 jezikih, uporabljal pa bo tudi izraze obraza, prilagojene situaciji.
Live Avatar bo dobro prilagodljiv, podjetje pa bo podjetjem na tem področju zagotovilo tudi dodatne možnosti. Google je tudi poudaril, da je v storitev vgradil ustrezne varnostne ovire in jo dopolnil z vodnim žigom SynthID. To pomeni, da bo nekdo, ki posname Live Avatar med delovanjem in ga želi zlorabiti na drugih platformah, najverjetneje razkrit, saj bo na vse več mestih jasno označeno, da človek vidi vsebino, ustvarjeno z umetno inteligenco.
Če se vrnemo k funkciji Live, je Gemini 3.8 Live Extended Thinking oblikovan za izjemno zahtevne naloge, s povečano inteligenco in večstopenjsko zmožnostjo sklepanja. Kompleksna vprašanja bo zmožen razčleniti in obdelati tako, da bo med pogovori dajal čim natančnejše odgovore. Razvijalcem in podjetjem ta model omogoča tudi ustvarjanje zanesljivih glasovnih agentov.
Po Googlovih meritvah je Gemini 3.8 Live Extended Thinking v večini nalog, ki preizkušajo govorne modele, v vodstvu. Na indeksu Artificial Analysis Speech to Speech prehiteva vse konkurente, minimalno pa je nad modeloma GPT-Live-1 in Grok Voice Think Fast 2.0. Manjši in hitrejši Gemini 3.8 Live pa je postal novi kralj na Speech Agent Arena, pri čemer je za sabo pustil OpenAI-jevo orodje.
Gemini 3.8 Live samodejno prepozna vseh 97 jezikov, če mora prevajati pogovor, ga ni treba posebej prositi, naj stopi v vlogo tolmača. Gemini 3.8 Live Extended Thinking med govorom v ozadju neprestano obdeluje informacije in zna zavlačevati, tako kot ljudje med razmišljanjem. Zaradi tega je uporaba modelov lahko res naravna.
Modeli, osredotočeni na branje besedila, bodo pri oblikovanju besed v govor izkoristili najnovejše razvojne dosežke družine Gemini. Ti bodo most med preprostim besedilnim načinom in povsem govorno uporabo, zato bo za vsem odslej Gemini 3.8. Gemini 3.8 Flash TTS se osredotoča na ustvarjanje glasu in oblikovanje likov, medtem ko se Gemini 3.8 Flash-Lite TTS osredotoča na generiranje velikih količin zvoka. Flash-Lite so optimizirali za sprotno sinhronizacijo, izdelavo obsežnejših zvočnih vsebin in glasovne agente.
Gemini 3.8 Flash TTS že podpira več kot 100 jezikov in narečij. Ustvarjene glasove zna oblikovati glede na vlogo, naglas in lastnosti glasu, ki jih lahko uporabniki določijo z navodili v naravnem jeziku. Model vsebuje več kot dva tisoč takoj uporabnih glasov z najrazličnejšimi naglasi in jezikovnimi različicami, hkrati pa ponuja tudi 30 izvirnih glasov, ki jih je mogoče izbrati iz knjižnice glasov, ustvariti pa je mogoče tudi lastne možnosti.
Po Googlovem poročilu Gemini 3.8 Flash TTS in njegov spremljevalec v različnih testih dosegata osupljive rezultate, na primer v indeksu kakovosti Hume AI. Nov par za branje besedila le redko naleti na premagovalca, ne zgodi pa se pogosto, da ima pomembno prednost pred konkurenti. Google premaguje nasprotnike tudi v jezikih, kot so japonščina, hindijščina ali vietnamščina. Gotovo jih bo v prihodnjem obdobju marsikdo poskušal preizkusiti.
Gemini 3.8 Live in Live Extended Thinking bosta postopoma na voljo vsem, tudi brezplačno, najprej pa bo do njiju mogoče dostopati z načinom Live v Googlovem iskalniku, ne pa v okviru Gemini Live. Dostop do API-ja Google zagotavlja prek AI Studia.
Live Avatar je za zdaj namenjen izključno poslovnim strankam, Gemini 3.8 Flash TTS pa bo do širokega občinstva prišel prek Notebooka, tako da bo na primer ustvarjene podcaste lahko brala že ta model, Gemini 3.8 Flash-Lite TTS pa v video generatorju Google Vids pomaga ljudem polagati besede v usta.
