O Google anunciou uma atualização significativa para o Gemini em sua versão 1.5 Pro, que traz a capacidade inovadora de “ouvir” áudios. A funcionalidade permite que o modelo de inteligência artificial processe e responda a áudios enviados pelos usuários, buscando informações ou executando tarefas com base no conteúdo sonoro recebido.
Segundo informações do The Verge, a atualização permite que a IA do Google entenda instruções complexas sem a necessidade de ajustes adicionais nos modelos. Um dos destaques desta versão é sua habilidade de superar em desempenho o Gemini Ultra, anteriormente considerado um dos modelos mais avançados da companhia.
Ao processar os arquivos de áudio, o Gemini 1.5 Pro é capaz de gerar respostas sem depender de transcrições textuais, o que representa um avanço significativo na interação entre usuários e a tecnologia de IA. Essa capacidade de “ouvir” e interpretar diretamente o áudio amplia as possibilidades de uso do modelo em diversas aplicações.
Outras novidades
Além do Gemini 1.5 Pro, o Google também trouxe atualizações para o Imagen 2, um modelo que gera imagens a partir de comandos de texto. Esta atualização introduz melhorias significativas, como a possibilidade de adicionar ou remover elementos de imagens por meio de técnicas de inpainting e outpainting, ampliando a criatividade e a personalização nas criações de imagem.
O Google planeja disponibilizar o Gemini 1.5 Pro ao público por meio da plataforma Vertex AI, dedicada à construção de aplicativos de IA. Entre as funcionalidades recentemente anunciadas com base no Gemini, está a capacidade de resumir mensagens de e-mail de forma simplificada, facilitando a gestão de comunicações.
