Gemini 3.1 Flash Live: Новая аудиомодель Google с улучшенными показателями и водяными знаками
Что нового в Gemini 3.1 Flash Live
Google выпустила Gemini 3.1 Flash Live — свою самую качественную аудио- и голосовую модель, предназначенную для диалогов в реальном времени. Модель обеспечивает повышенную скорость и естественный ритм для голосовых AI-приложений.
Ключевые технические детали
- Результаты тестов: 90,8% на ComplexFuncBench Audio (многошаговый вызов функций с ограничениями) и 36,1% на Audio MultiChallenge от Scale AI (сложное выполнение инструкций с включённым «мышлением»)
- Улучшенные возможности: Лучшее понимание тональности, распознавание акустических нюансов, таких как высота тона и темп, а также динамическая адаптация к раздражению или замешательству пользователя
- Водяные знаки: Всё сгенерированное аудио включает водяной знак SynthID для обнаружения AI-контента
- Поддержка языков: Доступна в более чем 200 странах и территориях
Доступность
- Для разработчиков: Доступна в предварительной версии через Gemini Live API в Google AI Studio
- Для предприятий: Включена в Gemini Enterprise for Customer Experience
- Для обычных пользователей: Доступна через Search Live и Gemini Live
Модель позволяет создавать голосовые агенты, способные выполнять сложные задачи в шумной обстановке, и поддерживает более длинные цепочки диалогов при продолжительном взаимодействии.
📖 Read the full source: HN AI Agents
👀 Смотрите также
Старший правительственный руководитель по ИИ не осведомлён о местных LLM: рассказ разработчика
Разработчик локальных LLM сообщает, что старший правительственный ИИ-лидер не понимал, почему бизнес предпочитает локальные LLM облачным API, несмотря на понимание технических основ.
Экономика видео Sora AI: затраты OpenAI на вычисления составляют $65 при стоимости для пользователя в $20
По данным анализа приложения OpenAI Sora для генерации AI-видео, каждый подписчик за $20 в месяц, создающий 50 видео, обходится OpenAI примерно в $65 на вычисления. Чем больше пользователей взаимодействует с продуктом, тем быстрее он терял деньги.
18-месячный переписывание кодовой базы Autonoma: уроки по тестированию, техническому долгу и Server Actions
Autonoma выбросила 1,5 года кода после масштабирования с 2 до 14 инженеров, назвав отсутствие тестов, нестрогий TypeScript и ограничения Server Actions ключевыми причинами для переписывания.
Claude Code превращается в инженерную ОС, а не просто в ИИ-чат для кода
Обсуждение на Reddit утверждает, что Claude Code становится меньше похожим на ИИ-чат для программирования и больше — на инженерную операционную систему с планированием, ревью кода, облачными агентами и автономными рабочими процессами.