Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

Gemini đã công bố Gemini 2.5, phiên bản nâng cao của AI với khả năng tương tác và tạo giọng nói được cải thiện. Bản cập nhật cho phép tương tác giọng nói tự nhiên hơn, theo thời gian thực, cho phép người dùng trò chuyện với AI với latency tối thiểu. AI hiện có thể hiểu và tạo ra giọng nói với khả năng biểu cảm và ngữ điệu tốt hơn, và có thể thích ứng với một số phong cách nhất định, bao gồm cả giọng và tông giọng cụ thể, theo chỉ dẫn của lời nhắc ngôn ngữ tự nhiên.

Các tính năng mới của Gemini 2.5 cũng mở rộng đến tool consolidation, cung cấp cho AI quyền truy cập vào thông tin thời gian thực trong khi trò chuyện. Nó cũng cung cấp nhận thức theo ngữ cảnh của cuộc trò chuyện, cho phép nó xác định tiếng ồn nền không liên quan. Ngoài ra, AI hiện hỗ trợ các tương tác đa ngôn ngữ và phản hồi theo tông điệu cảm xúc của người dùng, cải thiện chất lượng của cuộc đối thoại. Các khả năng lý luận nâng cao cũng đã được tích hợp, cải thiện hiệu suất của AI trong các tác vụ phức tạp.

Trong lĩnh vực chuyển văn bản thành giọng nói (TTS), Gemini 2.5 cung cấp khả năng kiểm soát chưa từng có đối với việc tạo giọng nói, cho phép biểu diễn biểu cảm và năng động. Thông qua các lời nhắc ngôn ngữ tự nhiên, người dùng có thể chỉ định phong cách, giọng điệu và cảm xúc của giọng nói được tạo ra. AI cũng hỗ trợ tạo hội thoại nhiều người nói và hỗ trợ hơn 24 ngôn ngữ, giúp nó hữu ích cho nhiều ứng dụng từ kể chuyện đến lập trình tin tức.

Các cân nhắc về an toàn và đạo đức luôn được đặt lên hàng đầu trong quá trình phát triển khả năng âm thanh của Gemini 2.5. Nhóm đã tiến hành đánh giá rủi ro và an toàn kỹ lưỡng, bao gồm các bài tập của nhóm đỏ, để đảm bảo triển khai có trách nhiệm. Tất cả đầu ra âm thanh đều được nhúng công nghệ đóng dấu mờ để đảm bảo tính minh bạch. Các nhà phát triển có thể truy cập các khả năng âm thanh gốc này thông qua Google AI Studio hoặc Gemini API của Vertex AI. Phiên bản xem trước có sẵn cho cả phiên bản Pro và Flash của Gemini 2.5.