Improved Gemini audio models for powerful voice experiences

Google DeepMind 升級 Gemini 音訊模型，支援原生音訊對音訊處理，顯著降低延遲並提升語音互動的自然度。

Google DeepMind 宣布推出改進後的 Gemini 音訊模型，專為即時語音體驗進行優化。新模型採用原生多模態架構，無需經過「語音轉文字」的中介步驟，即可直接理解並生成語音，大幅降低延遲。這項升級將賦予開發者構建更具情感表現力、反應更迅速的語音助理與互動應用的能力，並已陸續在 Google AI Studio 與 Vertex AI 上線。

摘要由 AI 整理,以原文為準。