A mesterséges intelligencia versenyben nincs megállás, a Google is folyamatosan szállítja az újításokat, és elsősorban a Gemini gyarapodik ezáltal. Most éppen Canvas és Audio Overview címszó alatt jött kettő fejlesztés, és mind a kettőnek nagy jelentősége van.

Az Audio Overview révén a felhasználók már úgy hallgathatják meg a „saját gyártású” elemzéseket, mintha egy podcast adást indítanának el. Alkalmazható az Audio Overview dokumentumok, kisebb projektek, de akár egészen mély elemzések felolvasására, hangalapú összefoglalására is, és ezzel működik majd a legjobban. A Gemini már korábban képessé vált arra, hogy egy-egy témában nagy elemzéseket hozzon létre, ehhez a Deep Research opciót lehet használni, ezzel alkot majd igazán érdekes kombinációt az Audio Overview.

A Google berkeiben az Audio Overview egyébként nem teljesen új dolog, csak ezt a vállalat szakemberei egy másik területen fejlesztették. A NotebookLM eszköz részeként debütált eredetileg a hangalapú összefoglaló funkció. Ennek a továbbfejlesztésével és a Deep Research eszközzel történő összeházasításával tud majd újat mutatni. Így lesz biztosított az Audio Overview számára annyi tartalom, amiből már egy podcast-szerű hanganyagot lehet generálni a modell nyelvi készségeit kiaknázva.

Fontos újítása még a Gemininek a Canvas funkció is. Ez egy új felület lesz a szolgáltatáson belül, ahol valós időben szerkeszthető a szolgáltatás által előállított dokumentum vagy kódsor. Először az Anthropic vezetett be ilyen lehetőséget a Claude chatbot keretei között, de az OpenAI-nak is lett már erre funkciója, és a Google sem szeretne lemaradni.

A Canvas használatával a programozók megnézhetik menet közben, hogy a generatív MI által létrehozott kódok milyen eredményt produkálnak. Lehet ezt folyamatában szerkeszteni, a változások pedig valós időben meg fognak jelenni. A kód és az előnézet között egy gombbal lehet majd váltani a csevegési felület melletti mezőben. A felhasználók maguk is beleírhatnak az anyagokba, de meg is kérhetik a Geminit arra, hogy módosítsa a tartalmakat.

Egy dokumentum létrehozásánál megkérhető arra a szolgáltatás, hogy módosítsa a szöveg hangnemét, fogalmazzon át részleteket, esetleg a terjedelmében változtasson a szövegen. A mesterséges intelligenciával való munka a Canvas használata mellett sokkal gördülékenyebbé válhat a Geminiben. Ennek köszönhetően jobb, hatékonyabb munkatárs lesz a Google szolgáltatása, valószínűleg hamar népszerűvé válik majd, elsősorban a programozók köreiben. A Canvas elérése nagyon egyszerű, minden felhasználónak biztosított lesz ehhez egy kapcsoló a szövegmező alján.

A Google a Canvas funkciót mindenki számára elérhetővé teszi, nyelvtől, régiótól függetlenül. Az Audio Overviews esetében már más a helyzet, ezt ugyanis csak azok tudják „élesíteni”, akik angolul használják a szolgáltatást. Előfizetést egyik funkció sem igényel, persze lehetnek előnyei annak, ha az érintett Gemini Advanced tagsággal rendelkezik.