Google lanserar Gemini 1.5 Flash Live för mer naturliga röstsamtal

Vad har hänt

Google DeepMind har presenterat Gemini 1.5 Flash Live, en uppdaterad röstmodell optimerad för realtidskonversationer. Den nya versionen har betydligt lägre latens (fördröjning) och en förbättrad precision i hur den tolkar och genererar mänskligt tal. Målet är att skapa en mer sömlös interaktion där AI:n kan svara nästan omedelbart utan onaturliga pauser.

Varför det spelar roll

Latens har länge varit den största flaskhalsen för röststyrd AI, då fördröjningar bryter känslan av ett vanligt samtal. Genom att minska svarstiderna och öka tillförlitligheten närmar sig tekniken en punkt där AI-assistenter kan användas mer effektivt i vardagliga miljöer och professionella arbetsflöden. Detta stärker Googles position i konkurrensen mot företag som OpenAI och ElevenLabs.

Vem påverkas

Uppdateringen påverkar främst utvecklare som bygger röstbaserade applikationer och slutanvändare som interagerar med Googles olika AI-assistenter. Företag som använder Gemini-modeller för kundtjänst eller röststyrda tjänster får nu tillgång till ett mer mänskligt gränssnitt.

EU-status

Modellen lanseras globalt och omfattas av Googles generella policyer för regelefterlevnad inom unionen, inklusive de krav som ställs i den kommande AI-förordningen (AI Act).

Mer att veta

DeepMind betonar att hastighetsökningen inte har skett på bekostnad av modellens förmåga att följa komplexa instruktioner. Förbättringarna bygger på optimeringar i Gemini-seriens multimodala arkitektur.