2026.09.28 07:14
Iliustracija: Google + infa.lt montažas
„Google“ bendrovė pristatė „Gemini 3.8 Live“ su „Live Avatar“ funkcija, kuri pokalbiui skirtam dirbtiniam intelektui suteikia realistišką vaizdo įkūnijimą realiuoju laiku. Ši technologija derina kalbos ir vaizdo srautinį generavimą su minimaliu vėlavimu: avataras gali klausytis naudotojo, atsakyti balsu ir sinchroniškai keisti veido išraišką kalbėdamas 97 kalbomis.
Šis įrankis jau prieinamas „Gemini Enterprise“ verslo klientams ir leidžia kurti skaitmeninius konsultantus, kurie atpažįsta prieš kamerą vykstančius įvykius ir vykdo užduotis fone tiesiog pokalbio metu.
Prieš tai „Google“ pristatė du naujus modelius, skirtus balso sąveikai su AI – „Gemini 3.8 Live“ ir „Gemini 3.8 Live Extended Thinking“. Jie leidžia vesti dialogą beveik be pauzių, tuo pačiu metu apdoroti vaizdinę informaciją ir vykdyti užduotis fone.
Dabar „Google“ prie „Gemini 3.8 Live“ pridėjo „Live Avatar“ funkciją, kuri derina vaizdo ir kalbos generavimą srautu bei sinchronizuoja lūpų judesius, mimiką ir replikas. Dėl to dirbtinis intelektas naudotojui pasirodo ne tik kaip balso asistentas, bet ir kaip virtualus pašnekovas.
Avataras vienu metu apdoroja vaizdinę ir garso informaciją, todėl pokalbio metu gali atsižvelgti į tai, kas vyksta priešais kamerą. Tuo pačiu „Gemini“ gali foniniame režime atlikti papildomas užduotis, pavyzdžiui, prašyti duomenų per prijungtus įrankius, nenutraukdamas dialogo su naudotoju.
Ši technologija palaiko daugiakalbius pokalbius ir gali persijungti tarp 97 kalbų. Keičiant kalbą, sistema automatiškai pritaiko lūpų sinchronizaciją ir mimiką, išlaikydama vaizdo kokybę ir natūralią avataro išvaizdą.
Įmonėms „Google“ siūlo paruoštų personažų biblioteką su įvairia išvaizda, balsais ir elgesio manieromis. Organizacijos taip pat galės kurti savo avatarus remdamosi etaloniniu vaizdu, išlaikydamos jo išvaizdą, įmonės stilių ar personažo ypatumus. Šiuo metu tokių naudotojų avatarų kūrimas prieinamas tik ribotam verslo klientų ratui.
„Google“ taip pat numatė priemones generuotam turiniui žymėti. Naudojant „Live Avatar“ sukurti garso ir vaizdo įrašai gauna nepastebimą „SynthID“ vandenženklį, kuris turėtų padėti atpažinti dirbtinio intelekto sukurtą turinį ir sumažinti jo neteisingo priskyrimo riziką.
Ši technologija jau integruota į „Gemini Enterprise“. „Google“ ją pristato kaip platformą, skirtą kurti verslo dirbtinio intelekto agentus, galinčius vienu metu palaikyti dialogą, vertinti aplinką per kamerą ir vykdyti užduotis.
Įmonės galės naudoti tokius skaitmeninius padėjėjus, visų pirma, klientų aptarnavimui ir interaktyviam mokymui.
→ Šis straipsnis nemokamas. Parengti jį ir išlaikyti čia – kainuoja.. Paremkite infa.lt
326
Rimtas įtraukimas – svarbiausia – patraukli forma. Koks ten turinys ir jo kokybė, dažnam nesvarbu. Gemini nėra geriausias DI, toli gražu. Bet štai įpakavimas – puikus, ir svarbiausia – pirmieji.
Pats Gemini – gerokai cenzūruotas ir ideologizuotas – paklauskite apie Ukrainą – išgirsite daugybę nutylėjimų ir iškraipymų. Tiems, kas nežino tikrovės – tai taps subtilia propaganda. Nes juk kalba „neutralus“ DI.
Bet Gemini nėra neutralus, jis atspindi pačios Google pažiūras ir taip yra sukurtas tų pažiūrų per mokymą pagrindu.
Dar prisiminkite Google poziciją COVID laikotarpiu, ir tą totalią jos cenzūrą kitai nuomonei – ir viskas stos į savo vietas apie tai, kas yra Gemini gyvenimo pagrindų klausimais.