Google оновлює екосистему Gemini: Головні релізи та нові фічі тижня
Компанія Google представила масштабну серію оновлень для екосистеми Gemini, перетворюючи штучний інтелект із текстового помічника на повноцінне мультимодальне середовище з інтерактивними візуальними, голосовими та відео-можливостями.
Коротко в телеграм…
Нові голосові моделі: Gemini 3.8 Flash TTS та Flash-Lite TTS
Google випустила дві нові моделі для синтезу й генерації мовлення (Text-to-Speech), які вже доступні для розробників у Gemini API та Google AI Studio.
Gemini 3.8 Flash TTS — флагманська модель для творчих завдань, акторської озвучки та ігор. Вона дозволяє створювати унікальні голоси за допомогою текстових промптів (функція Voice Design), керувати емоціями, паузами, інтонаціями та діалектами, а також генерувати діалоги з кількома мовцями в одному аудіофайлі.
Gemini 3.8 Flash-Lite TTS — оптимізована, швидка й економна модель для масового дубляжу, озвучення великих обсягів тексту та роботи голосових агентів підтримки. Вона замінює попередню модель
gemini-3.1-flash-tts-previewу високопродуктивних сценаріях.
Обидві моделі підтримують понад 100 мов і діалектів, мають маркування SynthID для захисту від діпфейків і поступово інтегруються в Gemini Notebook, Google Vids та (для Enterprise) — у корпоративний API.
Режим Live Avatar у Gemini 3.8 Live
Для корпоративних користувачів у Gemini Enterprise став загальнодоступним інструмент Gemini 3.8 Live with Live Avatar.
Модель створює анімованого цифрового персонажа в реальному часі з точною синхронізацією міміки, губ і голосу.
Аватар може аналізувати відеопотік із камери користувача, зчитувати демонстрацію екрана та вести природну розмову.
Функція підтримує 97 мов з автоматичним перемиканням і призначена для віртуальних консультантів, служб підтримки та інтерактивних кіосків.
Live Avatar доступний через API з гарантованою пропускною здатністю (provisioned throughput) та відповідає вимогам безпеки й управління даними для бізнесу.
Інтерактивні навчальні огляди та голосовий Live Chat у Gemini Notebook
Google оновила сервіс аналізу джерел Gemini Notebook, орієнтуючись на студентів, науковців і аналітиків.
Інтерактивні огляди (Study Overviews): завантажені конспекти, PDF-файли й дослідження можна перетворити на структуровані навчальні карти, огляди та квізи для самоперевірки.
Голосовий Live Chat: можливості розмовного Gemini Live інтегровано безпосередньо в Notebook. Користувачі можуть вести голосовий діалог майже 100 мовами, а відповіді ШІ базуватимуться виключно на завантажених джерелах.
Ці функції вже доступні для всіх користувачів Gemini Notebook.
Автоматизація створення відео: Google Vids з Gemini
У лінійці Google Workspace активно розвивається відеоредактор Google Vids, який тепер використовує нові TTS-моделі Gemini 3.8.
Генерація за текстовим запитом: інструмент Help me create автоматично створює розкадровку, сценарій, добирає фонову музику та стокові відео на основі промпту або прикріпленої презентації Google.
Редагування через транскрипцію: видалення слова чи речення з автоматичної розшифровки одразу вирізає відповідний фрагмент відео.
Голосова озвучка та AI-аватари: можна додавати дикторський голос або віртуального ведучого без сторонніх редакторів, використовуючи нові моделі Flash TTS.
Інші важливі оновлення
Gemini 3.8 Live Extended Thinking: покращена версія розмовного Gemini з багатокроковими міркуваннями (reasoning) у діалозі, яка природно заповнює паузи, опрацьовуючи складні запити чи звертаючись до зовнішніх API.
Спеціалізована модель Flash Cyber: інструмент для аналізу й автоматичного виявлення вразливостей у коді, доступний фахівцям з безпеки в рамках програм оцінки ризиків.
Міні-застосунки в Google Sheets: перетворення таблиць на інтерактивні дашборди або міні-інтерфейси за допомогою текстового запиту.
13 нових інтеграцій: Gemini тепер підтримує прямі зв'язки з Airtable, Linear, monday com, Adobe, Picsart, Squarespace, Webflow, Experian, Peloton, SeatGeek та ін. через згадку
П.С.
Екосистема Google Gemini розширюється у бік повноцінної мультимодальності: від генерації персоналізованих голосів і віртуальних аватарів до швидкого монтажу відео та інтерактивної аналітики власних документів. Більшість функцій уже доступні розробникам і користувачам, а корпоративні рішення (Enterprise API, Live Avatar) поступово виходять на глобальний ринок.
Офіційні джерела: Gemini TTS Gemini API Live Avatar
