admin 
„Google“ atnaujino „Search Live“ naudodami „Gemini 2.5 Flash Native Audio“, atnaujindama balso funkciją Paieškoje, taip pat išplėtusi modelio naudojimą vertimo ir tiesioginio balso agentams. Atnaujinimas pateikia natūralesnius žodinius atsakymus naudojant „Search Live“ ir atspindi „Google“ pastangas tobulinti natūralias balso užklausas, balsą traktuojant kaip pagrindinę sąsają kaip būdą vartotojams gauti viską, ką gali gauti iš įprastos paieškos, taip pat suteikiant jiems galimybę užduoti klausimus apie juos supantį fizinį pasaulį ir gauti tiesioginius balso vertimus tarp dviejų žmonių, kalbančių skirtingomis kalbomis.
Naujos atnaujintos balso funkcijos, kurios šią savaitę bus pristatytos Jungtinėse Valstijose, leis „Google“ balso atsakams skambėti natūraliau ir netgi gali būti sulėtintas, kai kalbama apie mokomąjį turinį.
Pagal Google:
„Kai pradedate tiesioginę transliaciją su paieška, dirbtinio intelekto režimu galite kalbėtis pirmyn ir atgal, kad gautumėte pagalbos realiuoju laiku ir greitai surastumėte atitinkamas svetaines visame žiniatinklyje. O dabar, dėl naujausio Gemini modelio, skirto vietiniam garsui, atsakymai „Search Live“ bus sklandesni ir išraiškingesni nei bet kada anksčiau.
Platesnis Gemini vietinio garso išleidimas
Šis paieškos naujinimas yra dalis platesnio „Gemini 2.5 Flash Native Audio“ atnaujinimo, kuris bus įdiegtas visoje „Google“ ekosistemoje, įskaitant „Gemini Live“ (programoje „Gemini“, „Google AI Studio“ ir „Vertex AI“). Modelis apdoroja šnekamą garsą realiu laiku ir sukuria sklandžius žodžius, sumažindamas natūralaus pokalbio kliūtis, sumažindamas trintį tiesioginio bendravimo metu. Nors „Google“ pranešime nebuvo teigiama, kad modelis yra kalbos į kalbą modelis (priešingai nei kalbos pakeitimas tekstu, o tekstas į kalbą), šis naujinimas buvo atliktas po „Google“ spalio mėn. paskelbto „Speech-to-Retrieval“ (S2R). Tai neuroniniu tinklu pagrįstas mašininio mokymosi modelis, parengtas naudojant dideles garso duomenų rinkinių rinkinius.
Šie pakeitimai rodo, kad „Google“ savąjį garsą traktuoja kaip pagrindinę vartotojams skirtų produktų funkciją, todėl naudotojams lengviau klausti ir gauti informacijos apie juos supantį fizinį pasaulį natūraliu būdu, o tai anksčiau nebuvo įmanoma.
Balsu pagrįstų sistemų patobulinimai
Kūrėjams ir įmonėms, kuriančioms balso sistemas, „Google“ teigia, kad atnaujintas modelis padidina patikimumą keliose srityse. „Gemini 2.5 Flash Native Audio“ nuosekliau suaktyvina išorines funkcijas pokalbių metu, vykdo sudėtingas instrukcijas ir išlaiko kontekstą keliais posūkiais. Dėl šių patobulinimų tiesioginio balso agentai tampa patikimesni realiose darbo eigose, kur netinkamai interpretuotos instrukcijos arba nutrūkęs pokalbio srautas sumažina naudojimo galimybes.
Sklandus pokalbio vertimas
Be paieškos ir balso agentų, naujinimas pristato vietinį „tiesioginio vertimo iš kalbos į kalbą“ palaikymą. Dvyniai verčia šnekamąją kalbą realiu laiku, nuolat versdami aplinkos kalbą į tikslinę kalbą arba tvarkydami pokalbius tarp skirtingų kalbų kalbėtojų abiem kryptimis. Sistema išsaugo balso ypatybes, tokias kaip kalbos ritmas ir kirčiavimas, palaikydama vertimą, kuris skamba sklandžiau ir kalbant.
„Google“ pabrėžia keletą galimybių, palaikančių šią vertimo funkciją, įskaitant plačią kalbos aprėptį, automatinį kalbos aptikimą, kelių kalbų įvesties tvarkymą ir triukšmo filtravimą kasdienėje aplinkoje. Šios funkcijos sumažina sąrankos trintį ir leidžia versti pasyviai pokalbio metu, o ne naudojant rankinius valdiklius. Rezultatas yra vertimo patirtis, kuri elgiasi panašiai kaip tikras žmogus, verčiantis tarp dviejų žmonių.
Paieška balsu „Google“ siekių įgyvendinimas
Atnaujinimas atspindi nuolatinę Google paieškos balsu kartojimą siekiant idealo, kuris iš pradžių buvo įkvėptas mokslinės fantastikos balso sąveikos tarp žmonių ir kompiuterių populiariose „Star Trek“ televizijos ir filmų serijose.
Skaityti daugiau:
„Google“ skelbia naują paieškos balsu erą
Dabar galite turėti sklandesnių ir išraiškingesnių pokalbių, kai prisijungiate prie „Live with Search“.
Patobulinti Gemini garso modeliai, užtikrinantys galingą balso sąveiką
Dvyniai gyvai
5 būdai, kaip gauti pagalbos realiuoju laiku, naudojant tiesioginę paiešką
Teminis vaizdas, kurį sukūrė Shutterstock / Jackbin
