A Google folyamatosan ott van az OpenAI nyomában, szinte mindig tud válaszolni a jelentősebb fejlesztésekre. A ChatGPT nem régen kapta meg az új generációs Hang módot, ami igencsak meglepte természetességével a közönséget, most pedig a Gemini esetében is egy ilyen fejlesztés érkezett most.

A Pixel hardverekre fókuszáló eseményen a Google azért kitért a mesterséges intelligenciára, ami nem meglepő. Mostanában minden techcég igyekszik az MI-t emlegetni, de keresőóriásnál pedig ez különösen fontos. A Gemini nyelvi modell és a ráhúzott szolgáltatás egyaránt dinamikusan fejlődik, felsorolni is nehéz lenne csak az elmúlt hetekből, hogy hol, milyen céllal bukkant ez fel, és milyen lehetőségekkel bővült. De most egy igazán fontos újításról rántotta le a leplet a cég a Gemini Live képében.

A Gemini Live révén már beszélgethetnek az emberek a mesterséges intelligenciával élő szóban, innen ered a neve. A funkció természetes nyelvi készségei a bemutató alapján elég jók, de majd a felhasználóknál, élesben fog az kiderülni, hogy ténylegesen mennyire teljesít jól. A Google számára ez nem új terep, a Gemini már egy multimodális modell, és a cégnek több mint 10 éves tapasztalata van már a hangalapú digitális asszisztens szolgáltatásokkal, elsősorban a Google Assistant révén. A Gemini Live esetében minden tudását összesűrítette.

A generatív MI-vel úgy lehet majd beszélgetni, mint egy valódi emberrel. Nemcsak, hogy bármilyen témában lehet vele társalogni, hanem még akár a szavába is vághatnak az emberek, amikor úgy érzik, hogy valamivel kapcsolatban újabb kérdés merül fel bennük. Különböző témák között lehet majd ugrálni a beszélgetés során, és a nagy kontextusablaknak köszönhetően nem fogja elveszíteni a fonalat, nem feledkezik meg a korábban elmondottakról. Meg is állítható a válaszában a Gemini Live, és megkérhető arra később, hogy folytassa, amit mondani szeretett volna.

Az MI-t futtató eszközhöz hozzá sem kell nyúlni, hogy interakcióba lépjen vele a felhasználó, illetve amikor kézben van a mobiltelefon, akkor is lehet rajta mást csinálni, miközben a Gemini Live a háttérben dolgozik. Lezárt képernyő mellett is lehet majd a Gemini alkalmazást használni, így feleslegesen sem merül a készülék, ha nem szükséges. A Google Assistant helyét fokozatosan átvevő Geminit ugyanúgy a „Hey, Google” paranccsal lehet majd bekapcsolni bármikor, ha pedig már fut, nem kell a parancsszót mindig használni.

A következő hetekben a Google új kiterjesztéseket is bemutat majd a Gemini számára. Lesz például Google Keep integráció, elérheti majd a Workspace keretében üzemelő Közművek szekciót, és még a YouTube Music szolgáltatással is össze fog kapcsolódni. A változatosságra tehát nem lehet panasz ezen a téren. A Gemini azt is követni tudja, mi történik a felhasználó képernyőjén, és lehet neki úgy parancsokat kiadni, hogy az adott kontextushoz illeszkedjen. Például mikor az ember egy YouTube videót néz, akkor nem kell részletezni, mit csinál, elég lesz csak azt megkérdeni, amit éppen tudni szeretne.

A multimodális működést kihasználva a Geminivel megoldható lesz hamarosan, hogy az ember lefotóz egy szórólapot, és annyit mond az MI-nek, hogy a koncert napját tegye szabaddá, és vegyen fel emlékeztetőt a jegyvásárlásra. Sőt mi több, igazából a jövőben a jegyvásárlást is megoldhatja majd maga a Gemini.

A Google 10 új hangot is bejelentett most, amiknek különböző neveket adott, hogy ezek még emberközelibbek legyenek. Innentől bőven lesz választék a hangokból, valószínűleg mindenki megtalálja majd, ami számára tetszetős.

A Gemini Live egyelőre kizárólag az Android operációs rendszeren fog üzemelni, és csak angol nyelven használható. A nyelvtámogatást remélhetőleg a cég hamar tudja majd bővíteni, és bízunk abban is, hogy megoldja majd azt, hogy az iOS-en is lehessen beszélgetni a mesterséges intelligencia szolgáltatásával.