Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo
%20(1).webp)
Google nâng cấp Gemini Native Audio, giới thiệu tính năng dịch trực tiếp.
Generatived
9:00 16/12/25
Gemini 2.5 nâng cấp Flash Native Audio, mang đến trải nghiệm hội thoại tự nhiên hơn cho các trợ lý giọng nói trực tiếp. Bản cập nhật này, có sẵn trên nhiều sản phẩm Google bao gồm Google AI Studio và Vertex AI, nhằm mục đích cải thiện việc quản lý quy trình làm việc phức tạp, điều hướng do người dùng định hướng và tính tự nhiên tổng thể của cuộc hội thoại. Các tính năng mới này cũng được giới thiệu trên Gemini Live và Search Live, đánh dấu lần đầu tiên âm thanh gốc được tích hợp vào Search Live.
Phiên bản cập nhật có một số cải tiến, bao gồm cải thiện độ chính xác của các lệnh gọi hàm. Ví dụ, nó đạt được điểm số 71,5% trên ComplexFuncBench Audio, một công cụ đánh giá các lệnh gọi hàm nhiều bước. Nó cũng cải thiện khả năng tuân thủ hướng dẫn của nhà phát triển lên 90% và cải thiện đáng kể chất lượng hội thoại nhiều lượt. Những cải tiến này sẽ nâng cao độ tin cậy và tính nhất quán của các tương tác giữa người dùng và trợ lý giọng nói.
Bên cạnh các tính năng hội thoại được cải tiến, Gemini còn mở rộng khả năng của mình với việc giới thiệu tính năng dịch giọng nói trực tiếp. Hiện đang ở phiên bản beta trên ứng dụng Google , tính năng này cung cấp khả năng dịch giọng nói trực tuyến trong khi vẫn giữ nguyên ngữ điệu, tốc độ và cao độ của người nói. Nó hỗ trợ hơn 70 ngôn ngữ và 2.000 cặp ngôn ngữ, hiểu nhiều ngôn ngữ cùng lúc và tự động phát hiện cũng như dịch ngôn ngữ đang được nói, ngay cả trong môi trường ồn ào.
Tính năng dịch giọng nói trực tiếp hiện đang được triển khai trên các thiết bị Android tại Hoa Kỳ, Mexico và Ấn Độ, và dự kiến sẽ mở rộng sang iOS và các khu vực khác trong tương lai. Người dùng có thể truy cập phiên bản beta bằng cách kết nối tai nghe với thiết bị của mình và chọn "Dịch trực tiếp". Gemini 2.5 Flash Native Audio hiện đã có sẵn trên Vertex AI, và phiên bản xem trước có thể được truy cập thông qua API Gemini. Các mô hình chuyển văn bản thành giọng nói Gemini 2.5 Flash và 2.5 Pro có thể được truy cập thông qua API Gemini trong Google AI Studio.
Chia sẻ bài viết này:
Tin tức mới nhất
Microsoft cảnh báo về mối đe dọa ngày càng gia tăng từ trí tuệ nhân tạo (AI) trong việc dụ dỗ người dùng.
9:00 11/6/26
Microsoft báo cáo sự gia tăng các chiến dịch tấn công mạng lợi dụng thương hiệu của các nền tảng trí tuệ nhân tạo (AI) phổ biến, bao gồm ChatGPT, Claude và DeepSeek
%20(1).webp)
Apple mở rộng các công cụ AI với Xcode 27
9:00 11/6/26
Apple đã giới thiệu các khung AI mới và các bản cập nhật lớn cho Xcode 27 nhằm giúp các nhà phát triển xây dựng ứng dụng hiệu quả hơn.
NVIDIA giới thiệu quy trình đánh giá AI giọng nói lâm sàng.
9:00 11/6/26
NVIDIA đã vạch ra một quy trình làm việc được thiết kế để cải thiện các hệ thống nhận dạng giọng nói lâm sàng thông qua việc tạo ra âm thanh tổng hợp có tính đến phát âm
Copyright © 2024 Generatived - All right Reserved.
Chia sẻ bài viết này:
Chia sẻ bài viết này:
Danh mục
Tin tức
AI và luật/hệ thống/kinh tế/xã hội
Hãy theo dõi chúng tôi
Ngôn ngữ
Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.
Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp th ông tin về thế giới đang thay đổi nhanh chóng.
Hãy theo dõi chúng tôi
Ngôn ngữ
Tin tức mới nhất
Microsoft cảnh báo về mối đe dọa ngày càng gia tăng từ trí tuệ nhân tạo (AI) trong việc dụ dỗ người dùng.
9:00 11/6/26
Microsoft báo cáo sự gia tăng các chiến dịch tấn công mạng lợi dụng thương hiệu của các nền tảng trí tuệ nhân tạo (AI) phổ biến, bao gồm ChatGPT, Claude và DeepSeek
Apple mở rộng các công cụ AI với Xcode 27
9:00 11/6/26
Apple đã giới thiệu các khung AI mới và các bản cập nhật lớn cho Xcode 27 nhằm giúp các nhà phát triển xây dựng ứng dụng hiệu quả hơn.
NVIDIA giới thiệu quy trình đánh giá AI giọng nói lâm sàng.
9:00 11/6/26
NVIDIA đã vạch ra một quy trình làm việc được thiết kế để cải thiện các hệ thống nhận dạng giọng nói lâm sàng thông qua việc tạo ra âm thanh tổng hợp có tính đến phát âm