Ստեղծեք իրական ժամանակի ձայնային հավելվածներ Gemini 3.8 Live և 3.5 Transcribe-ի միջոցով

Google-ն ընդլայնել է իր մշակողների գործիքակազմը՝ թողարկելով Gemini 3.8 Live և Gemini 3.5 Transcribe մոդելները, որոնք նախատեսված են իրական ժամանակի ձայնային հավելվածների համար: Gemini 3.8 Live-ն առաջարկում է խոսքից-խոսք (speech-to-speech) առաջադեմ հնարավորություններ, ներառյալ «Extended Thinking» մոդելը՝ բարդ, բազմաքայլ տրամաբանական խնդիրների համար: Հիմնական առանձնահատկություններից են ասինխրոն ֆունկցիաների կանչը, տեսողական համատեքստի ընկալումը և ավելի քան 97 լեզուների աջակցությունը: Ի լրումն, Gemini 3.5 Transcribe-ն ապահովում է բարձր ճշգրտության խոսքից-տեքստ փոխակերպում՝ 4.0% սխալի գործակցով: Երկու մոդելներն էլ հասանելի են Gemini API-ի միջոցով և ինտեգրվում են այնպիսի հարթակների հետ, ինչպիսիք են LangChain-ը, LiveKit-ը և Vercel-ը: Այս գործիքները նպատակ ունեն պարզեցնել խոսակցական գործակալների և իրական ժամանակի աուդիո վերլուծության համակարգերի մշակումը՝ առաջարկելով մշակողներին հզոր ենթակառուցվածք՝ բարդ և համատեքստային ձայնային փորձառություններ ստեղծելու համար: