Новина
Google представила Gemini з аналізом відео наживо та перемиканням між 97 мовами
Нові голосові моделі Gemini 3.8 Live та Gemini 3.8 Live Extended Thinking працюють із відеопотоком, зовнішніми інструментами й багатомовними діалогами в реальному часі.
Google презентувала голосові моделі Gemini 3.8 Live та Gemini 3.8 Live Extended Thinking для взаємодії в реальному часі. Про це повідомляє VECTOR. Моделі можуть аналізувати зображення та відеопотік під час розмови, а також перемикатися між 97 мовами без необхідності завершувати діалог.
Gemini 3.8 Live підтримує запуск зовнішніх інструментів, що розширює можливості голосових сценаріїв за межі звичайного обміну повідомленнями. Обидві моделі також здатні генерувати аудіо з водяним знаком SynthID — маркуванням, яке дає змогу ідентифікувати створений штучним інтелектом контент.
Доступ до нових можливостей заявлено через Gemini API та Google AI Studio. Крім того, їх інтегрують у Gemini Enterprise, Search Live, Gemini Live і Workspace.
Для українських музикантів, продюсерів і команд це може бути корисно в багатомовній комунікації, локалізації матеріалів, роботі з відео та автоматизації операційних завдань. API-доступ окремо відкриває можливість тестувати українськомовні голосові сценарії та створювати власні рішення, хоча конкретні музичні інтеграції в анонсі не описані. Під час роботи зі згенерованим аудіо варто враховувати наявність маркування SynthID.