Google predstavil hlasové modely Gemini 3.8 Live, ktoré počas rozhovoru uvažujú a zároveň na pozadí plnia úlohy, uvádza blog Google. Rozhovor s umelou inteligenciou sa tak nemusí prerušiť zakaždým, keď asistent niečo vybavuje.
Novinka má dve verzie. Základný Gemini 3.8 Live je stavaný na veľký objem a nízke náklady, preto sa hodí do služieb, ktoré obsluhujú veľa ľudí naraz. Verzia Extended Thinking je určená na náročné úlohy, pri ktorých musí model premýšľať vo viacerých krokoch. Od 15. septembra 2026 ich Google postupne sprístupňuje.
Rozpráva a popritom pracuje
Model spúšťa nástroje a volania služieb na pozadí a medzitým pokračuje v rozhovore. Požiadavku potvrdí, hovorí ďalej a výsledok doplní, keď je úloha hotová. Popri reči spracúva takmer v reálnom čase aj obraz, takže do rozhovoru vie zapojiť to, čo práve vidí kamera.
Verzia Extended Thinking uvažuje a hovorí súčasne. Pri zložitejšej otázke najprv prirodzene naznačí, že sa na vec pozrie, a potom priebežne opisuje, ako postupujú viackrokové úlohy. Počas rozhovoru model sám rozpozná jazyk a prepína medzi 97 podporovanými jazykmi, bez toho, aby ho človek musel prestaviť.
Google tým pokračuje v smere, ktorým sa Gemini Live uberá už niekoľko týždňov. Z nástroja na rozhovory sa stáva asistent, ktorý za človeka vybavuje konkrétne veci. Len nedávno firma uviedla aj textový model Gemini 3.8 Flash.
Ako dopadol v testoch
Podľa Googlu obsadil Gemini 3.8 Live Extended Thinking prvé miesto v indexe kvality prevodu reči na reč od spoločnosti Artificial Analysis so skóre 82,6 bodu. V teste, ktorý meria, ako hlasový agent dotiahne zadanú úlohu, získal 68,6 % a v jeho bankovej verzii 35,1 %.
V teste uvažovania nad zvukom Big Bench Audio dosiahol 97,7 %. Lacnejšia základná verzia skončila na druhom mieste v porovnaní Speech Agent Arena, kde hlasových agentov hodnotia samotní používatelia. Všetky tieto výsledky Google uvádza vo vlastnom oznámení.
Mohlo by vás zaujímať:
- Google predstavil DiffusionGemma: AI model generuje text až 4× rýchlejšie
- ChatGPT 5.5: Rýchlejší model s lepším pochopením
- Gemini dokáže skladať hudbu: Google predstavil AI model Lyria 3
Kde sa s ním dá rozprávať
Pre verejnosť je Gemini 3.8 Live dostupný vo vyhľadávaní Search Live. Vývojári ho nájdu v Gemini API a Google AI Studio, firmy ho zatiaľ testujú v Gemini Enterprise. Hlasové aplikácie nad ním umožňujú stavať napríklad platformy LangChain, LiveKit či Vercel a záujem prejavili aj Salesforce a Genspark.
Verzia Extended Thinking prichádza do Gemini Live. Predplatitelia Google AI Pro a Ultra ju dostanú v Dokumentoch a všetci predplatitelia Google AI v Gmaile a Keep. Každý zvuk z produktov umelej inteligencie Googlu nesie nepostrehnuteľný vodoznak SynthID, podľa ktorého sa dá rozpoznať obsah vytvorený strojom.
Google v oznámení neuvádza zoznam krajín ani jazykov, v ktorých sa nové funkcie v aplikáciách sprístupňujú, a nasadzovanie označuje ako postupné. Či už nové hlasové schopnosti fungujú aj na Slovensku, si preto treba overiť priamo v aplikácii. Firma pritom rozširuje Gemini aj na ďalšie zariadenia, nedávno vydala aplikáciu pre Windows, takže hlasový asistent sa k ľuďom môže dostať viacerými cestami naraz.
