شنیدن صدای کاربران، دستاورد جدید هوش مصنوعی جمنای گوگل

هوش مصنوعی Gemini 1.5 Pro به‌لطف آپدیت جدید گوگل می‌تواند به فایل‌های صوتی آپلود شده گوش دهد و اطلاعات را از مواردی مانند تماس‌های دریافتی یا صدای ویدیوها بدون نیاز به دستورات متنی استخراج کند.

در جریان رویداد Cloud Next، گوگل اعلام کرد که مدل زبانی بزرگ جمنای ۱٫۵ پرو را برای اولین‌بار از طریق ابزار Vertex AI در دسترس عموم از جمله توسعه‌دهندگان قرار می‌دهد.

به گزارش «تجارت آسیا» نسخه‌ی جدید جمنای پرو در حال حاضر از نظر عملکرد، از بزرگ‌ترین و قدرتمندترین مدل جمنای یعنی اولترا ۱٫۰ پیشی گرفته است. گوگل ادعا می‌کند که جمنای ۱٫۵ پرو می‌تواند دستورالعمل‌های پیچیده را درک کند.

Gemini 1.5 Pro برای افرادی که به Vertex AI دسترسی ندارند قابل استفاده نیست و از طرفی دیگر، جمنای اولترا به چت‌بات پیشرفته‌ی جمنای قدرت می‌دهد. این مدل زبانی بزرگ، قدرتمند است و می‌تواند دستورات متنی طولانی را درک کند اما سرعت جمنای ۱٫۵ پرو را ندارد.

جمنای ۱٫۵ پرو تنها مدل زبانی بزرگ گوگل نیست که به‌روزرسانی می‌شود. Imagen 2، ابزار تولید متن به تصویر که به توانمندسازی قابلیت‌های تولید تصویر جمنای کمک می‌کند، در آپدیت جدیدش به کاربران اجازه می‌دهد سوژه‌ها را به تصویر اضافه یا از آ‌ن‌ حذف کنند. گوگل همچنین قابلیت واترمارک دیجیتال SynthID خود را در تمامی تصاویر ایجاد شده از طریق مدل‌های Imagen در دسترس قرار داده است.

گوگل در حال آزمایش ویژگی پاسخ هوش مصنوعی در صفحه‌ی نتایج اصلی جست‌وجو به‌صورت عمومی است و کاربران بدون نیاز به عضویت در Search Labs می‌توانند پاسخ هوش مصنوعی را مشاهده کنند./زومیت