‏🚀 معرفی مدل‌های جدید Gemini 3.8 Live

‏گوگل از نسخه‌های جدید Gemini 3.8 Live و Live Extended Thinking رونمایی کرد. این مدل‌ها گام مهمی در تعاملات صوتی و پردازش هم‌زمان داده‌ها محسوب می‌شوند.

‏مهم‌ترین ویژگی‌های این نسخه:
‏* پشتیبانی از ۹۷ زبان مختلف و درک مستقیم ویدیو و تصاویر دوربین.
‏* قابلیت فراخوانی ابزارها بدون وقفه در مکالمه.
‏* استفاده از Extended Thinking برای استدلال هم‌زمان با گفتار، که به مدل اجازه می‌دهد وظایف پیچیده را در پس‌زمینه حل کند.
‏* کسب رتبه اول در شاخص کیفیت تبدیل صوت به صوت با امتیاز ۸۲.۶.

‏این مدل‌ها هم‌اکنون از طریق Gemini API و AI Studio در دسترس توسعه‌دهندگان قرار دارند و به‌تدریج به قابلیت‌های جست‌وجو و محیط Workspace اضافه می‌شوند.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Gemini_3_8_Live #Extended_Thinking

‏🚀 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 یکپارچه استفاده می‌کنند.

‏ویژگی‌های کلیدی این مدل‌ها عبارتند از:
‏- حذف وقفه در گفتگو هنگام پردازش منطقی و فراخوانی ابزارها در پس‌زمینه.
‏- کسب رتبه نخست در شاخص صوتی Artificial Analysis.
‏- قابلیت سوئیچ خودکار بین ۹۷ زبان مختلف در حین مکالمه.
‏- مدل قیمت‌گذاری دقیق برای ورودی و خروجی صوتی.

‏با وجود این پیشرفت‌ها، چالش‌های مربوط به جریان‌های کاری پیچیده صوتی همچنان پابرجاست. در حال حاضر دسترسی به این مدل‌ها صرفاً از طریق API گوگل امکان‌پذیر است.


بررسی مدل‌های صوتی Gemini 3.8 Live؛ تحولی در تعاملات کلامی هوش مصنوعی

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Gemini_3_8_Live #Extended_Thinking