गूगल ने रीयल-टाइम ऑडियो एआई के लिए जेमिनी 3.1 फ्लैश का अनावरण किया।

Google ने उन्नत रीयल-टाइम ऑडियो मॉडल जारी किया

Google ने Gemini 3.1 Flash Live, एक नया ऑडियो और वॉयस AI मॉडल जारी करने की घोषणा की है। इसे डेवलपर्स के लिए बेहतर सटीकता और काफी कम विलंबता के साथ रीयल-टाइम संवादात्मक एप्लिकेशन बनाने के लिए डिज़ाइन किया गया है। यह मॉडल अब Google AI Studio में Gemini Live API के माध्यम से पूर्वावलोकन में उपलब्ध है।

मॉडल का प्रदर्शन और मुख्य विशेषताएं

मॉडल ने ComplexFuncBench ऑडियो बेंचमार्क पर 90.8% स्कोर करते हुए मजबूत प्रदर्शन किया। मुख्य विशेषताओं में पिच और गति जैसे टोनल बारीकियों की बेहतर समझ शामिल है। यह मॉडल को अधिक स्वाभाविक संवाद के लिए निराशा या भ्रम जैसी उपयोगकर्ता अभिव्यक्तियों के प्रति अपनी प्रतिक्रियाओं को गतिशील रूप से समायोजित करने की अनुमति देता है।

उद्योग में अपनाना और सुरक्षा उपाय

Verizon और The Home Depot सहित कंपनियों ने मॉडल के एकीकरण पर सकारात्मक प्रतिक्रिया दी है। उपभोक्ताओं के लिए, Gemini Live अब 200 से अधिक देशों में Search Live के विस्तार का समर्थन करता है। गलत सूचना का मुकाबला करने के लिए, मॉडल द्वारा उत्पन्न सभी ऑडियो में SynthID वॉटरमार्किंग शामिल है, जो एक अगोचर मार्कर है जो AI-जनित सामग्री की पहचान करने में मदद करता है।

संवादात्मक AI के लिए दृष्टिकोण

Gemini 3.1 Flash Live का लॉन्च प्रतिस्पर्धी AI बाजार में Google की स्थिति को मजबूत करता है। प्रमुख उद्यमों द्वारा इसे अपनाना और वैश्विक उपभोक्ता उत्पादों में इसका विस्तार रीयल-टाइम संवादात्मक AI तकनीक के लिए एक महत्वपूर्ण प्रगति का प्रतीक है, जिसमें प्रदर्शन और जिम्मेदार परिनियोजन दोनों पर ध्यान केंद्रित किया गया है।

अक्सर पूछे जाने वाले प्रश्न

प्र: Gemini 3.1 Flash Live क्या है?
उ: यह Google का एक नया AI ऑडियो मॉडल है जिसे रीयल-टाइम संवाद के लिए डिज़ाइन किया गया है, जो डेवलपर्स और उद्यमों के लिए कम विलंबता और उच्च सटीकता प्रदान करता है।

प्र: Google इस मॉडल के साथ AI के संभावित दुरुपयोग को कैसे संबोधित करता है?
उ: मॉडल सभी जनरेट किए गए ऑडियो में एक SynthID वॉटरमार्क एम्बेड करता है, जो AI-निर्मित सामग्री का पता लगाने में मदद करने के लिए एक अगोचर संकेत के रूप में कार्य करता है।

स्रोत: Investing.com