Google imezindua Gemini 3.8 Live na Gemini 3.8 Live Extended Thinking, jozi ya miundo ya mazungumzo ya moja kwa moja ambayo kampuni inayaeleza kuwa ya kisasa zaidi kwa mazungumzo ya sauti asilia. Miundo hiyo ilianza kutolewa mnamo Septemba 15 kwenye Gemini API, Google AI Studio, Search Live, Gemini Live na Google Workspace, na ufikiaji wa biashara katika hakikisho la kibinafsi kupitia Gemini Enterprise.
Tangazo lilitoka kwa Tom Ouyang, mhandisi mkuu, na Malini Jaganathan, mfanyikazi wa kiufundi, wakiandika kwa niaba ya Timu ya Sauti ya Gemini. Inarefusha familia ya Gemini 3.8 iliyoanza mapema mwezi huu kwa miundo ya Flash na Flash Cyber, na inaashiria msukumo mkali zaidi wa Google hadi kufikia wakati halisi, usaidizi wa sauti wa aina nyingi - soko ambapo hali ya sauti ya OpenAI na wimbi la kuanza kwa hotuba zinashindana kwa kesi sawa ya matumizi ya kila siku.
Uzinduzi huo unafaa katika safu iliyojaa watu wengi kwa laini ya mfano ya Google; utangazaji wa maendeleo ya hivi punde ya AI yanaonyesha kuwa kampuni sasa imesafirisha mara kwa mara katika muda wa wiki chache huku ikipambana na wapinzani wao kuhusu bei, usimbaji na sauti.
Imeundwa kwa Mazungumzo ya Wakati Halisi
Kinachotofautisha miundo ya Moja kwa Moja na modeli ya kawaida ya gumzo yenye maikrofoni iliyoambatishwa ni hali ya utulivu na hali. Hati za API ya Google Live hufafanua kiolesura cha muda wa chini cha kusubiri ambacho huchakata mitiririko inayoendelea ya sauti, picha na maandishi kupitia muunganisho wa hali ya juu wa WebSocket, ikikubali sauti ghafi ya 16kHz PCM, picha za JPEG hadi fremu moja kwa sekunde, na maandishi, na kurejesha sauti inayozungumzwa katika muda halisi.
Miundo hii huchakata ingizo la kuona ndani ya muda halisi, na kuruhusu mratibu kuona kile mtumiaji anachoona - video za maonyesho za Google zinaonyesha Gemini 3.8 Moja kwa moja ikimwongoza mfanyakazi kipindi cha kuabiri kwa kutumia muktadha wa kuona, kucheza chess ndani ya muda halisi, na kuunda mipango kamili ya biashara na zana maalum za uuzaji kupitia hotuba asilia. Miundo hiyo pia inaweza kutambua na kubadilisha kati ya lugha 97 zinazotumika kiotomatiki, katikati ya mazungumzo, bila mtumiaji kubadilisha mipangilio.
Labda muhimu zaidi kwa matumizi ya vitendo: miundo hutekeleza zana na simu za API chinichini mazungumzo yakiendelea, kukiri maombi na kudumisha mazungumzo wakati kazi zinakamilika. Hiyo hugeuza msaidizi kutoka kwa mhojiwa anayeegemea upande wowote kuwa kitu karibu na wakala anayezungumza.
Nambari ambazo Google Inazipigia debe
Google inaripoti kuwa Gemini 3.8 Live Extended Thinking ilichukua nafasi ya juu kwa ujumla kwenye Fahirisi ya Ubora wa Usemi-hadi-Hotuba ya Uchambuzi Bandia yenye alama 82.6. Baada ya kukamilika kwa kazi ya wakala, kampuni inataja 68.6% kwenye alama ya τ-Voice na 35.1% kwenye tathmini ya τ-Voice-banking ya Sierra, pamoja na alama 97.7% kwenye Sauti ya Benchi Kubwa.
Hizo ni takwimu zilizoripotiwa na Google, na uthibitishaji wa kujitegemea utachukua muda - lakini dai la juu la chati ya Uchambuzi Bandia, ikiwa linashikilia, litaweka Google mbele ya matoleo yaliyoboreshwa ya matamshi kutoka kwa OpenAI na kampuni za sauti zilizojitolea za AI kuhusu ubora wa mazungumzo kwa ujumla. Google pia inasema Fikra Iliyopanuliwa hudumisha kiwango cha bei chenye ushindani wa hali ya juu, jambo lililo wazi kwa shinikizo la bei ambalo limefafanua kizazi cha 3.8.
Sauti zote zinazozalishwa na miundo hiyo zimealamishwa kwa SynthID, alama ya maji ya Google isiyoonekana, kwa hivyo usemi unaozalishwa na AI unaendelea kutambulika - ulinzi wa kufuata na upotoshaji ambao unazidi kuwa kawaida katika bidhaa za Google.
Mahali Unapoweza Kuitumia
Upatikanaji hutofautiana kati ya mifano hiyo miwili. Gemini 3.8 Live inapatikana kwa kila mtu aliye ndani ya Tafuta na Google Live, hali halisi ya utafutaji wa kuona ya Google. Extended Thinking inapatikana katika Gemini Live, katika Hati za Google AI Pro na waliojisajili Ultra kupitia Workspace, na Gmail na Keep kwa watumiaji wote wa Google.
Watengenezaji hupata miundo kupitia Gemini API na Google AI Studio, na Google inasema API ya Moja kwa Moja tayari inatumiwa na majukwaa ikiwa ni pamoja na Agora, Fishjam, LiveKit, Pipecat, Vercel na Wakala wa Vision ili kujenga miingiliano inayoendeshwa kwa sauti juu ya miundombinu ya wakati halisi ya Google. Salesforce, Genspark na Lumeris wametajwa kama washirika wa uzinduzi wa aina mpya.
Soko la AI lililojaa Sauti
Sauti inakuwa uwanja wa vita wa kiolesura cha 2026 kwa sababu ndipo AI hatimaye huepuka kibodi. Muundo unaoweza kuona, kusikiliza, kubadilisha lugha na kutumia zana unapozungumza haushindani na chatbots nyingine bali na simu, laini ya usaidizi kwa wateja na msaidizi wa kibinafsi.
Faida ya Google ni usambazaji: Utafutaji, Android, Workspace na Chrome hupa miundo ya Moja kwa moja msingi uliosakinishwa ambao mpinzani anaweza kufikia. Kampuni inaweka dau kuwa kuwepo katika kila kona ya siku ya mtumiaji - sasa na miundo yake bora ya sauti - itakuwa muhimu zaidi kuliko ushindi wowote wa benchmark. Wapinzani watapata nafasi yao ya kujibu, lakini Google imeweka wazi kuwa sauti, ambayo mara moja ilikuwa kipengele cha onyesho, sasa ni bidhaa ya daraja la kwanza.
Kwa watengenezaji, ujumbe ni sawa sawa. Kwa kuchapisha miundo mahususi ya ingizo, kuweka kumbukumbu za utekelezaji wa zana za usuli na kupanda mfumo ikolojia kwa majukwaa ya API ya Moja kwa Moja, Google inajaribu kufanya rafu yake kuwa sehemu ndogo chaguomsingi ya mtu yeyote anayeunda miingiliano inayotamkwa - kutoka kwa roboti za usaidizi kwa wateja hadi wasaidizi wanaovaliwa. Ikiwa madai ya ubora wa Gemini 3.8 Live yatadumu chini ya majaribio ya kujitegemea, uchezaji wa upatikanaji tayari unaendelea.
---
Kaa Mbele ya AIPata habari za hivi punde za AI, uchanganuzi na mafanikio - yote katika sehemu moja.
Soma habari zaidi za AI →
