กูเกิลเปิดตัว เจมินี 3.1 แฟลช สำหรับ AI เสียงแบบเรียลไทม์

Google เปิดตัวโมเดลเสียง AI ขั้นสูงแบบเรียลไทม์

Google ได้ประกาศเปิดตัว Gemini 3.1 Flash Live ซึ่งเป็นโมเดล AI ด้านเสียงและคำพูดใหม่ โมเดลนี้ออกแบบมาสำหรับนักพัฒนาเพื่อสร้างแอปพลิเคชันสนทนาแบบเรียลไทม์ที่มีความแม่นยำสูงขึ้นและมีเวลาแฝงที่ลดลงอย่างมาก ขณะนี้โมเดลดังกล่าวพร้อมให้ใช้งานในรูปแบบพรีวิวผ่าน Gemini Live API ใน Google AI Studio แล้ว

ประสิทธิภาพของโมเดลและคุณสมบัติหลัก

โมเดลนี้แสดงให้เห็นถึงประสิทธิภาพที่แข็งแกร่ง โดยทำคะแนนได้ 90.8% ในการทดสอบ ComplexFuncBench Audio คุณสมบัติหลักประกอบด้วยความเข้าใจที่เพิ่มขึ้นเกี่ยวกับความแตกต่างของโทนเสียง เช่น ระดับเสียงและจังหวะ สิ่งนี้ช่วยให้โมเดลสามารถปรับการตอบสนองแบบไดนามิกตามการแสดงออกของผู้ใช้ เช่น ความหงุดหงิดหรือความสับสน เพื่อให้การสนทนาเป็นธรรมชาติมากขึ้น

การนำไปใช้ในอุตสาหกรรมและมาตรการรักษาความปลอดภัย

บริษัทต่างๆ รวมถึง Verizon และ The Home Depot ได้ให้ข้อเสนอแนะเชิงบวกเกี่ยวกับการรวมโมเดลนี้เข้ากับระบบของตน สำหรับผู้บริโภค Gemini Live รองรับการขยาย Search Live ไปยังกว่า 200 ประเทศแล้ว เพื่อต่อสู้กับข้อมูลที่บิดเบือน เสียงทั้งหมดที่สร้างโดยโมเดลจะมีการฝังลายน้ำ SynthID ซึ่งเป็นเครื่องหมายที่มองไม่เห็นซึ่งช่วยระบุเนื้อหาที่สร้างโดย AI

แนวโน้มของ AI เชิงสนทนา

การเปิดตัว Gemini 3.1 Flash Live ตอกย้ำตำแหน่งของ Google ในตลาด AI ที่มีการแข่งขันสูง การนำไปใช้โดยองค์กรขนาดใหญ่และการขยายสู่ผลิตภัณฑ์สำหรับผู้บริโภคทั่วโลก ถือเป็นความก้าวหน้าครั้งสำคัญสำหรับเทคโนโลยี AI เชิงสนทนาแบบเรียลไทม์ โดยมุ่งเน้นทั้งประสิทธิภาพและการใช้งานอย่างรับผิดชอบ

คำถามที่พบบ่อย

ถาม: Gemini 3.1 Flash Live คืออะไร?
ตอบ: เป็นโมเดลเสียง AI ใหม่จาก Google ที่ออกแบบมาสำหรับการสนทนาแบบเรียลไทม์ โดยมีเวลาแฝงต่ำและความแม่นยำสูงสำหรับนักพัฒนาและองค์กรต่างๆ

ถาม: Google จัดการกับการใช้ AI ในทางที่ผิดที่อาจเกิดขึ้นกับโมเดลนี้อย่างไร?
ตอบ: โมเดลนี้จะฝังลายน้ำ SynthID ในเสียงที่สร้างขึ้นทั้งหมด ซึ่งทำหน้าที่เป็นสัญญาณที่มองไม่เห็นเพื่อช่วยตรวจจับเนื้อหาที่สร้างโดย AI

ที่มา: Investing.com