Yapay zeka tarafından üretilen metinler genellikle makine tarafından üretildiğini ele veren belirli bir havaya sahiptir, ancak teknoloji geliştikçe bu özellikleri ayırt etmek daha zor hale gelmiştir. Üretken yapay zeka sesinde de benzer bir evrim görüyor olabiliriz. Google, Gemini 3.1 Flash Live adlı yeni bir yapay zeka ses modelini duyurdu – adından da anlaşılacağı gibi, gerçek zamanlı konuşma için tasarlandı. Bugünden itibaren bazı Google ürünlerinde kullanıma sunuluyor ve geliştiriciler de bu modelle kendi konuşkan robotlarını oluşturmaya başlayabilecekler.
Google, bu yapay zekanın çok daha hızlı olduğunu ve daha doğal bir tempo ile konuşma ürettiğini söyleyerek, yapay zeka tarafından üretilen konuşma ile ilgili uzun süredir devam eden bir sorunu çözmeyi amaçlıyor. Bir chatbot gibi, ses üreten sistemlerde de girdi ve çıktı arasında her zaman bir gecikme olur. Daha uzun gecikmeler ve doğal olmayan tonlamalar, konuşmaların yavaşlamasına ve takip edilmesinin zorlaşmasına neden oluyor. Araştırmacılar genellikle 300 milisaniyelik gecikmenin optimum konuşma algısı için sınır olduğuna inanıyor, ancak Google Gemini 3.1 Flash Live için belirli bir gecikme belirtmedi. İhtiyacınız olan hıza belli belirsiz sahip.
Ama kıyaslama sayıları? Google, 3.1 Flash Live'ın sesten sese yapay zeka konuşmaları için daha güvenilir bir yol olacağını gösterdiğini iddia ettiği bunlardan bol miktarda var. Örneğin, ComplexFuncBench Audio'daki büyük kazanç, yeni modelin karmaşık, çok adımlı görevlerde daha iyi olduğunu gösteriyor. Gemini 3.1 Flash Live, 1.000 sesli sorudan oluşan bir setle akıl yürütmeyi değerlendiren Big Bench Audio testinde de listelerin başında yer alıyor.
Makalenin tamamını okuyun
