Google представляет масштабное обновление для своего голосового ассистента с искусственным интеллектом — Gemini Live. Компания анонсирует ряд новых функций, которые сделают взаимодействие с ИИ в режиме реального времени еще более интуитивным и мощным.
Одной из ключевых инноваций станет возможность визуального взаимодействия с объектами через камеру смартфона. Уже на следующей неделе пользователи смогут активировать режим совместного использования камеры, и Gemini Live получит возможность выделять на экране конкретные объекты, на которые указывает пользователь. Это значительно упрощает процесс указания ИИ на нужный предмет в реальном мире.
Практический пример: если вы ищете подходящий инструмент для проекта в гараже, вы можете просто направить камеру на свой верстак. Gemini Live в реальном времени проанализирует изображение и подсветит на экране тот самый гаечный ключ или отвертку, которая вам нужна.
Важное уточнение по доступности: эта функция будет эксклюзивно представлена на новых смартфонах Pixel 10, анонс которых запланирован на 28 августа. Однако Google также начнет внедрять это «визуальное руководство» и на других устройствах Android одновременно с релизом Pixel, а «в ближайшие недели» обещает распространить обновление и на iOS.
Помимо работы с камерой, Google запускает глубокую интеграцию Gemini Live в ключевые системные приложения, такие как Messages («Сообщения»), Phone («Телефон») и Clock («Часы»). Это превратит ассистента из простого собеседника в активного помощника, способного выполнять действия по вашей команде прямо во время диалога.
Наглядный сценарий использования: вы обсуждаете с Gemini оптимальный маршрут поездки и понимаете, что опаздываете. Вы можете немедленно прервать бота командой: «Этот маршрут подходит. Теперь отправь Алексе сообщение, что я опоздаю примерно на 10 минут». Gemini не только поймет контекст, но и самостоятельно составит и отправит текст другу.
В перспективе это открывает путь к тому, что Gemini Live будет инициировать звонки и управлять messaging-сервисами напрямую, основываясь на ваших устных распоряжениях.
Третьим крупным улучшением станет полностью обновленная аудиомодель. Как заявляет Google, она «значительно улучшит» то, как ИИ использует ключевые элементы живой человеческой речи: интонацию, ритм и высоту тона.
Это означает, что в скором времени Gemini сможет адаптировать тон своего голоса в зависимости от контекста разговора. Например, он будет говорить более спокойно и сочувственно, если вы зададите вопрос на стрессовую или деликатную тему.
Пользователям также предоставят расширенный контроль над голосом ассистента: появится возможность регулировать скорость его речи. Эта функция перекликается с возможностями голосового режима ChatGPT.
Наконец, для создания по-настоящему захватывающего опыта, Gemini получит способность использовать акценты и драматические приемы для повествования. Если вы попросите его рассказать историю от лица конкретного персонажа или исторического деятеля, он сможет применить соответствующий акцент для создания «богатого и увлекательного» повествования.
Таким образом, обновление превращает Gemini Live из простого голосового помощника в многозадачного, эмоционально окрашенного и визуально ориентированного ассистента, глубоко встроенного в экосистему устройства.