🚀 تحول مدلهای صوتی گوگل با سری جدید Gemini 3.8
گوگل بهتازگی مدلهای جدید Gemini 3.8 Live و نسخه Extended Thinking را با تمرکز ویژه بر دستیارهای صوتی بلادرنگ معرفی کرده است. این مدلها قصد دارند تعاملات متنی را به تجربهای کاملاً صوتی و چندوجهی تبدیل کنند.
مهمترین نکات درباره این مدلها:
- بهرهوری اقتصادی: مدل Gemini 3.8 Live هزینهای در حدود ۰.۸۴ دلار در هر ساعت دارد که با عملکردی فراتر از مدلهای مشابه، هزینهها را تا ۸۰ درصد کاهش میدهد.
- قابلیت چندوجهی: این مدلها علاوه بر درک صوت، قادر به پردازش اطلاعات بصری در حین مکالمه هستند و به طور خودکار بین ۹۷ زبان مختلف سوییچ میکنند.
- هوش در پردازش پیچیده: مدل Extended Thinking با کسب امتیاز ۶۸.۶ در بنچمارک τ-Voice، توانایی خود را در مدیریت وظایف پیچیده خدماتی، رعایت دقیق دستورالعملها و استفاده صحیح از ابزارها در سناریوهای واقعی نشان داده است.
تحول دستیارهای صوتی با مدلهای Gemini 3.8 گوگل؛ هوشمندتر و ارزانتر
Post #3466
263
هوش مصنوعی و علم داده به فارسی ‏🚀 تحول مدلهای صوتی با Gemini 3.8 Live ‏گوگل از مدلهای جدید Gemini 3.8 Live و Extended Thinking رونمایی کرد که بهطور اختصاصی برای تعاملات صوتی بیدرنگ در محیطهای عملیاتی طراحی شدهاند. این مدلها به جای استفاده از ترکیب مرسوم ASR، LLM و TTS، از یک ساختار…

