തത്സമയ ശബ്ദ സംഭാഷണത്തിന് വിപ്ലവകരമായ മാറ്റം: ഗൂഗിൾ ‘ജെമിനി 3.8 ലൈവ്’ മോഡലുകൾ അവതരിപ്പിച്ചു

തത്സമയ ശബ്ദ സംഭാഷണങ്ങൾക്കും വോയ്‌സ് അസിസ്റ്റന്റുകൾക്കുമായി തങ്ങളുടെ ഏറ്റവും പുതിയ എഐ മോഡലുകളായ ‘ജെമിനി 3.8 ലൈവ്’ (Gemini 3.8 Live), ‘ജെമിനി 3.8 ലൈവ് എക്സ്റ്റെൻഡഡ് തിങ്കിംഗ്’ (Gemini 3.8 Live Extended Thinking) എന്നിവ ഗൂഗിൾ ഔദ്യോഗികമായി അവതരിപ്പിച്ചു. മുൻപ് പ്രഖ്യാപിച്ച ജെമിനി 3.5 ട്രാൻസ്ക്രൈബ് മോഡലിന് പിന്നാലെയാണ് വോയിസ് എഐ സാങ്കേതികവിദ്യയിൽ വലിയ മുന്നേറ്റമുണ്ടാക്കുന്ന ഈ പുതിയ എഐ മോഡലുകൾ എത്തുന്നത്.

ന്യൂസ്ടാഗ് വാര്‍ത്തകള്‍ വാട്‌സാപ്പില്‍ കിട്ടും >>

ഡെവലപ്പർമാർക്കും ആപ്പ് നിർമ്മാതാക്കൾക്കും കുറഞ്ഞ ചെലവിൽ ഉപയോഗിക്കാവുന്ന രീതിയിലാണ് ജെമിനി 3.8 ലൈവ് രൂപകൽപ്പന ചെയ്തിരിക്കുന്നത്. അതേസമയം, സങ്കീർണ്ണമായ മൾട്ടി-സ്റ്റെപ്പ് ടാസ്കുകൾ വേഗത്തിൽ ചെയ്തുതീർക്കാൻ ശേഷിയുള്ളതാണ് എക്സ്റ്റെൻഡഡ് തിങ്കിംഗ് മോഡൽ.

ALSO READ: വയനാട് സ്വദേശിയായ നവവധു ബംഗളൂരു-മൈസൂരു ദേശീയപാതയില്‍ വാഹനാപകടത്തില്‍ മരിച്ചു

സ്പീച്ച്-ടു-സ്പീച്ച് ക്വാളിറ്റി ഇൻഡക്സിൽ 82.6 സ്കോറോടെ ഒന്നാം റാങ്കാണ് ജെമിനി 3.8 ലൈവ് എക്സ്റ്റെൻഡഡ് തിങ്കിംഗ് സ്വന്തമാക്കിയത്. ഉപയോക്താവ് സംസാരിക്കുന്നതിനിടയിൽത്തന്നെ ബാക്ക്ഗ്രൗണ്ടിൽ ടാസ്കുകൾ പൂർത്തിയാക്കാനും ആവശ്യമായ വിവരങ്ങൾ നൽകാനും ഈ മോഡലുകൾക്ക് സാധിക്കും. 97-ഓളം ഭാഷകളിൽ തത്സമയം സംസാരിക്കാനും ഭാഷകൾ സ്വയം മാറ്റാനും ഇവയ്ക്ക് ശേഷിയുണ്ട്.

കൂടാതെ, യൂസർമാർ നൽകുന്ന വോയ്സ് കമാൻഡുകൾ വഴി ഹോട്ടൽ ബുക്കിംഗ്, ടാക്സി ബുക്കിംഗ്, ഗൂഗിൾ മാപ്‌സ്, യൂട്യൂബ്, വർക്ക് സ്പേസ് ആപ്പുകൾ തുടങ്ങിയ പ്രക്രിയകൾ ഫോണിലൂടെ നേരിട്ട് ചെയ്യാനാകും. എഐ നിർമ്മിത ശബ്ദങ്ങൾ ദുരുപയോഗം ചെയ്യുന്നത് തടയാനായി ഗൂഗിളിന്റെ പ്രത്യേക ‘SynthID’ വാട്ടർമാർക്കിങ് സാങ്കേതികവിദ്യയും ഇതിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഗൂഗിൾ എഐ സ്റ്റുഡിയോ (Google AI Studio), ജെമിനി എപിഐ (Gemini API) എന്നിവ വഴി നിലവിൽ ഡെവലപ്പർമാർക്ക് ഇത് ലഭ്യമാണ്.

Tags: Google Gemini 3.8 Live, Gemini 3.8 Live Extended Thinking, Artificial Intelligence, Google AI Studio, Voice Agent AI, Tech News Malayalam, Breaking Tech News

News Tag Live യുട്യൂബ് ചാനല്‍ Subscribe ചെയ്യുക