Mit Googles Gemini AI -Assistent können Sie jetzt Audiodatei -Uploads ermöglichen, sodass Benutzer wichtige Informationen aus Aufzeichnungen transkribieren, zusammenfassen und extrahieren können. Diese neue Funktion wandelt bis zu 10 Minuten Sprach -Memos, Besprechungen, Vorträge und Interviews in durchsuchbare Dokumente direkt in der KI -Umgebung um. Audiodatei -Uploads werden sowohl für Web- als auch für mobile Anwendungen unterstützt. Benutzer können über die Standard-Datei-Upload-Schnittstelle auf die Funktion zugreifen. Dies unterscheidet sich von der Echtzeit-Sprachbefehlsverarbeitung von Gemini Live, da die neue Funktion vorgenommenen Audio für die Datenextraktion und -analyse verarbeitet. Josh Woodward, Googles VP von Gemini, erklärte, dass Audio -Datei -Upload die am meisten angeforderte Funktion von Gemini -Benutzern war. Diese Nachfrage beleuchtet die Notwendigkeit einer optimierten Audioverarbeitung innerhalb des KI -Assistenten.
Transkriptionsgenauigkeit und Merkmalsintegration
Während des Tests transkribierte Gemini verschiedene Audio -Typen, einschließlich Comedy -Album -Skizzen und Telefongespräche, genau, mit nur geringfügigen Fehlern in der Namenserkennung. Das System identifizierte auch wichtige Elemente und generierte TO-Listen aus dem Audio-Inhalt. Die Hinzufügung von Audioverarbeitung stimmt mit den neuesten Gemini-Integrationen wie Implementierungen in verschiedene Apps, Testen einer kartenbasierten visuellen Schnittstelle und erweiterten Personalisierungsoptionen überein. Diese Updates verbessern gemeinsam die Funktionalität und Benutzererfahrung von Gemini.
Vergleich mit anderen AI -Assistenten
Während die Audiofunktionen von Gemini nicht einzigartig sind, sind sie mit Funktionen von Wettbewerbern wie ChatGPT vergleichbar, die das Flüstertranskriptionsmodell verwenden. Die Claude von Anthropic unterstützt auch die Audioverarbeitung in bestimmten Entwickler -Tools, und Verwirrung kann Daten aus YouTube -Videos extrahieren. Gemini zielt darauf ab, sich auf alltägliche Anwendungsfälle für eine breite Benutzerbasis zu konzentrieren.
Erweiterte Audiodatenverarbeitung
Mit Gemini können Benutzer über die einfache Transkription hinaus die Sprachvereinfachung anfordern, sprecherspezifische Kommentare extrahieren, Fragen aus Audioinhalten erstellen oder Studienleitfäden aus aufgezeichneten Diskussionen erstellen. Diese Optionen bieten Tools, um Audioinformationen effizient zu manipulieren und umzusetzen.
Einschränkungen der Audiofunktion
Die aktuelle 10-minütige Grenze für Audiodatei-Uploads schränkt die Anwendbarkeit für längere Aufnahmen ein. Freistufe Benutzer stehen auch bei der Audioverarbeitung tägliche Nutzungsbeschränkungen. Diese Einschränkungen können Benutzer mit umfangreichen Audioverarbeitungsanforderungen beeinflussen. Google hat keine spezifischen Preise für die Audioverarbeitung mit hohem Volumen veröffentlicht. Die Audioverarbeitung ist jedoch in die reguläre Gemini -Quote integriert. Dies deutet darauf hin, dass Benutzer ihre Nutzung verwalten sollten, um zu vermeiden, dass zugewiesene Ressourcen überschritten werden.
