د جیمني ۲.۵ فلش اصلي آډیو: دا د ګوګل د مصنوعي ذهانت غږ څنګه بدلیږي

ګوګل د خپل مصنوعي استخباراتو ایکوسیستم په ارتقا کې یو بل ګام پورته کړی دی چې د یو لوی تازه معلوماتو سره جیمني ۲.۵ فلش اصلي آډیودا ماډل د دې لپاره ډیزاین شوی چې په ریښتیني وخت کې آډیو پوه شي او تولید کړي. دا ټیکنالوژي د غږ تعاملاتو ډیر اغیزمن کولو لپاره چمتو شوې ده. د انسان خبرو اترو ته نږدېدواړه په ورځني ژوند او مسلکي چاپیریال کې.

د مرستیال ځوابونو ته د "غږ پورته کولو" څخه لرې، او د نورو انتخابونو په پرتله د غږ مصنوعي ذهانت پرتله کولدا ماډل د دې لپاره ډیزاین شوی دی د طبیعي، فعال او شرایطو خبرو اترو دوام لپاره, د اضافي معلوماتو د غوښتلو په وخت کې پریکړې کول او د خبرو اترو جریان له ګډوډولو پرته د پیچلو لارښوونو اداره کولپه دې سره، ګوګل د خپلو مصنوعي ذهانت خدماتو سره د تعامل د اصلي وسیلې په توګه د غږ سره خپله ژمنه پیاوړې کوي.

جیمني ۲.۵ فلش نیټیو آډیو څه شی دی او چیرته کارول کیږي؟

جیمني ۲.۵ فلش اصلي آډیو د ګوګل د اصلي آډیو ماډل وروستۍ نسخه ده، چې وړتیا لري غوږ ونیسئ، پوه شئ، او د غږ له لارې ځواب ورکړئ په ریښتیني وخت کې. د پخوانیو سیسټمونو برعکس چې یوازې د وینا ترکیب باندې تمرکز کوي، دا انجن د آډیو سره په ورته وخت کې د ان پټ او آوټ پټ په توګه کار کولو لپاره ډیزاین شوی، دا په ځانګړي ډول د خبرو اترو مرستیالانو لپاره مناسب کوي.

شرکت لا دمخه دا نسخه په خپلو څو مهمو پلیټ فارمونو کې مدغم کړې ده: د ګوګل مصنوعي ذهانت سټوډیو، ورټیکس مصنوعي ذهانت، جیمني ژوندۍ او لټون ژوندۍدا پدې مانا ده چې دواړه پراختیا کونکي او شرکتونه کولی شي د جوړولو پیل وکړي پرمختللي غږیز اجنټان په ورته ټیکنالوژۍ باندې چې د ګوګل وروستي خبرو اترو مصنوعي ذهانت تجربو ته ځواک ورکوي.

په عمل کې، کاروونکي به په تجربو کې دا بدلونونه وګوري لکه Gemini ژوندی (د مرستیال سره د غږ خبرو اترو حالت) یا په په ژوندۍ بڼه لټون وکړئ د ګوګل اپلیکیشن د AI حالت دننه، چیرې چې خبرې شوي ځوابونه غږیږي ډیر څرګند، روښانه، او ښه متناسبسربېره پردې، تاسو حتی کولی شئ له مرستیال څخه وغواړئ چې ورو خبرې وکړي، د خبرو سرعت په طبیعي ډول تنظیم کړي.

د ګوګل هاخوا، دا وړتیاوې د دریمې ډلې لپاره د دې له لارې شتون لري ورټیکس AI او جیمني APIترڅو نور شرکتونه جوړ کړي خودمختاره استازي غږ، مجازی استقبال کونکي یا د مرستې وسایل چې د غږ پیچلتیا ورته کچه لري.

ډیر دقیق بهرني فعالیتونه او غوره درجه بندي شوي ماډلونه

یو له هغو برخو څخه چې جیمني ۲.۵ فلش اصلي آډیو پکې تر ټولو ډیر پرمختګ کړی دی د هغې وړتیا ده چې بهرنۍ دندې زنګ ووهئپه ساده اصطلاحاتو کې، دا ماډل اوس د پریکړو کولو په وخت کې ډیر باوري دی. کله چې تاسو اړتیا لرئ د ریښتیني وخت خدماتو یا معلوماتو سره مشوره وکړئد مثال په توګه، د تازه معلوماتو د ترلاسه کولو لپاره، د امر حالت وګورئ، یا یو اتوماتیک پروسه پیل کړئ.

ګوګل په ګوته کوي چې دا اضافه شوی دقت د عملونو د پیل کولو په وخت کې د لږو غلطیو لامل کیږي، د نا آرامه حالتونو کمول چیرې چې مرستیال نیمګړتیا لري یا له وخته مخکې عمل کوي. سیسټم د دې وړتیا لري ترلاسه شوي معلومات په آډیو ځواب کې دننه کړئ پرته له دې چې کاروونکی په خبرو اترو کې کوم ناڅاپي کمښت احساس کړي.

د دې پرمختګونو د اندازه کولو لپاره، شرکت ماډل د ازموینو تابع کړی دی لکه کمپلیکس فنک بینچ آډیو، د ارزونې بینچ چې د محدودیتونو سره په څو مرحلو دندو تمرکز کوي. پدې سناریو کې، جیمني 2.5 فلش اصلي آډیو شاوخوا یو لاسته راوړنه لري د پیچلو دندو په اجرا کولو کې د بریالیتوب کچه ۷۱.۵٪، دا د دې ډول کارونې کې د پخوانیو تکرارونو او نورو سیالي کونکو ماډلونو څخه پورته ځای په ځای کول.

دا فعالیت په ځانګړي ډول په هغو شرایطو کې اړونده دی چیرې چې پیچلي اتومات کاري جریان ته اړتیا وي، لکه د اړیکو مرکزونه، تخنیکي ملاتړ یا د راکړې ورکړې پروسس کول (د مثال په توګه، مالي یا اداري دندې) چیرې چې هر ګام په مخکیني ګام پورې اړه لري او د غلطۍ لپاره لږ ځای شتون لري.

د لارښوونو غوره تعقیب او د خبرو اترو ډیر همغږي تارونه

د تازه معلوماتو بل تمرکز په دې دی چې څنګه ماډل لارښوونې تعبیر او درناوی وکړئ کوم چې دا د وروستي کاروونکو او پراختیا کونکو دواړو څخه ترلاسه کوي. د ګوګل لخوا خپاره شوي معلوماتو له مخې، د لارښوونو اطاعت کچه ​​له 84٪ څخه راټیټه شوې ده ۹۰٪ اطاعتدا پدې مانا ده چې هغه ځوابونه چې د هغه څه سره سمون لري چې په حقیقت کې غوښتل شوي دي.

دا کودتا په هغو دندو کې مهمه ده چې اړتیا ورته وي پیچلې لارښوونې، څو مرحلې، یا څو شرایطد مثال په توګه، کله چې په یو ځانګړي سټایل کې د وضاحت غوښتنه کوئ، د ټاکلي وخت محدودیتونو سره د لنډیز غوښتنه کوئ، یا د کاري جریان تنظیم کول چې په څو تړلو پریکړو پورې اړه لري.

په دې اړه، جیمني ۲.۵ فلش اصلي آډیو دا وړتیا ترلاسه کړې چې د تیرو پیغامونو شرایط بیرته ترلاسه کړئپه څو اړخیزو خبرو اترو کې، ماډل هغه څه چې ویل شوي، د کارونکي لخوا معرفي شوي باریکۍ، او په ټوله ډیالوګ کې شوي اصلاحات په ښه توګه په یاد لري.

د خبرو اترو په حافظه کې دا ښه والی د ورته معلوماتو د بیا بیا تکرار اړتیا کموي او د تعاملاتو په اغیزمن کولو کې مرسته کوي. نرم او لږ مایوسه کوونکیدا تجربه د هغه چا سره د خبرو کولو ته نږدې ده چې یوه موضوع له هغه ځایه پیل کړي چې یې پرې ایښې وه، د دې پرځای چې د هر ځواب سره له سره پیل وکړي.

د حقیقي نړۍ د کارونې قضیې: له ای کامرس څخه تر مالي خدماتو پورې

د داخلي میټریکونو هاخوا، ګوګل د جیمني ۲.۵ فلش اصلي آډیو عملي اغیزې ښودلو لپاره د پیرودونکو مثالونو باندې تکیه کوي. د ای کامرس سکتور کې، Shopify دا وړتیاوې په خپل معاون کې شاملې کړې دي. سایډکیک"، کوم چې پرچون پلورونکو سره مرسته کوي چې خپل پلورنځي اداره کړي او د سوداګرۍ په اړه شکونه حل کړي.

د شرکت په وینا، ډیری کاروونکي دوی حتی دا هېروي چې دوی د مصنوعي ذهانت سره خبرې کوي د څو دقیقو خبرو اترو وروسته، کارونکي حتی د اوږدې پوښتنې وروسته له بوټ څخه مننه وکړه. دا ډول غبرګون ښیي چې په طبیعي والي او غږ کې پرمختګ د ټیکنالوژۍ د شاته تګ لامل کیږي.

په مالي سکتور کې، وړاندې کوونکی د متحده ایالاتو د عمده پلور ګروي (UWM) شرکت دا ماډل د ګروي پورې اړوند پروسو اداره کولو لپاره په خپل "میا" مرستیال کې مدغم کړی دی. د جیمني ۲.۵ او نورو داخلي سیسټمونو ترکیب سره، شرکت ادعا کوي چې لري له ۱۴۰۰۰ څخه زیات پورونه پروسس شوي دي د خپلو شریکانو لپاره، په اتوماتیک تعاملاتو تکیه کوي چې دقت او تنظیمي اطاعت ته اړتیا لري.

د هغې برخې لپاره، سټارټ اپ نیوو.ای دا د خپل ځواک لپاره د ورټیکس AI له لارې د جیمني 2.5 فلش اصلي آډیو کاروي مجازی استقبال کوونکيدا غږیز معاونین د دې وړتیا لري چې اصلي ویناوال حتی په شورماشور چاپیریال کې هم وپیژني، د خبرو اترو په مینځ کې ژبې بدلې کړي، او وساتي یو طبیعي غږ چې د احساساتي باریکیو سره ثبت شویکوم چې د پیرودونکو په خدمت کې خورا مهم دی.

د غږ څخه غږ ته په ریښتیني وخت کې ژباړه: ډیرې ژبې او ډیرې لنډۍ

په دې نسخه کې یو له خورا حیرانونکو اضافو څخه دی د غږ څخه غږ ته ژوندۍ ژباړهپه پیل کې د ګوګل ژباړې اپلیکیشن کې مدغم شوی، جیمني ۲.۵ فلش نیټیو آډیو یوازې آډیو متن ته بدلولو یا ټوټې ټوټې ژباړې وړاندې کولو څخه هاخوا ځي، چې ډیر عمیق تجربه فعالوي. یوځل وژباړه د انسان تفسیر ته نږدې.

سیسټم کولی شي په حالت کې کار وکړي دوامداره اوریدلدا کارونکي ته اجازه ورکوي چې هیډفونونه واچوي او د دوی شاوخوا څه پیښیږي د دوی په ژبه ژباړل شوي واوري، پرته له دې چې د هرې جملې لپاره وقفه یا تڼۍ فشار کړي. دا اختیار کولی شي ګټور وي کله چې سفر کوئ، په نړیوالو غونډو کې ګډون کوئ، یا په هغو پیښو کې چې ډیری ژبې پکې ښکیلې وي.

د هغو حالاتو په اړه هم غور شوی دی چې دوه اړخیزه خبرې اترېد مثال په توګه، که چیرې یو کس په انګلیسي او بل په هندي ژبه خبرې کوي، نو هیډفونونه په ریښتیني وخت کې انګلیسي ژباړه غږوي، پداسې حال کې چې تلیفون د لومړي کس د خبرو پای ته رسیدو وروسته هندي ژباړه غږوي. سیسټم په اتوماتيک ډول د آوټ پټ ژبه بدلوي چې څوک خبرې کوي، پرته له دې چې کارونکي د وارونو ترمنځ ترتیبات بدل کړي.

د دې فعالیت یو له خورا اړونده توضیحاتو څخه د هغې وړتیا ده چې اصلي لهجه، تال او ټون وساتئ له سپیکر څخه. دا د ژباړې پایله ده چې لږ روبوټیک غږ لري او د سپیکر غږ سټایل ته نږدې دي، چې د پوهیدو لپاره یې اسانه کوي او تجربه یې طبیعي کوي.

د ژبې ملاتړ، اتوماتیک کشف او د شور فلټر کول

د ژبني ساحې له مخې، د جیمني ۲.۵ پر بنسټ غږیز ژباړه د دې لپاره ملاتړ وړاندې کوي له ۷۰ څخه زیاتې ژبې او شاوخوا ۲۰۰۰ ژباړې جوړېد ماډل د نړۍ پوهه د څو ژبو او اصلي غږیزو وړتیاوو سره یوځای کول، دا کولی شي د ژبې پراخه ترکیبونه پوښښ کړي، په شمول ډیری هغه چې تل د نورو وسیلو لخوا لومړیتوب نه ورکول کیږي.

سیسټم اداره کولی شي څو ژبې داخله په یوه غونډه کې، دا په یو وخت کې له یوې څخه ډیرې ژبې پوهیږي پرته له دې چې کاروونکي ته اړتیا ولري چې هرکله چې څوک ژبې بدلوي په لاسي ډول تنظیمات تنظیم کړي. دا ځانګړتیا په ځانګړي ډول په هغو خبرو اترو کې ګټوره ده چیرې چې څو ژبې په طبیعي ډول سره مخلوط کیږي.

مننه د ویل شوې ژبې اتوماتیک کشفکارونکي ته اړتیا نشته چې مخکې له مخکې پوه شي چې د دوی مخاطب په کومه ژبه خبرې کوي: ماډل ژبه پیژني او په چټکۍ سره ژباړه پیل کوي، د رګونو او منځګړو ګامونو کمول.

جیمني ۲.۵ فلش اصلي آډیو هم د دې لپاره میکانیزمونه شاملوي د شور په وړاندې ټینګښتدا د دې وړتیا لري چې د اصلي غږ لومړیتوب ورکولو لپاره ځینې محیطي غږونه فلټر کړي، چې په ګڼه ګوڼې کوڅو، خلاصو ځایونو، یا د شالید موسیقۍ سره ځایونو کې د آرامۍ خبرو اترو لپاره اجازه ورکوي.

د اروپا لپاره شتون، ځای پر ځای کول او امکانات

د دې ماډل پر بنسټ ژوندۍ غږ ژباړه اوس مهال په کې شتون لري د ګوګل ژباړې ایپ کې د بیټا مرحله د متحده ایالاتو، مکسیکو او هند په څیر بازارونو کې د Android وسیلو لپاره. ګوګل تایید کړې چې دا خدمت به په تدریجي ډول په نورې سیمې او پلیټ فارمونه، د نورو ګرځنده سیسټمونو په ګډون.

په موازي ډول، د جیمني ۲.۵ فلش اصلي آډیو ادغام په جیمني ژوندۍ او لټون ژوندۍ دا په متحده ایالاتو کې پیل کیږي، چې په Android او iOS کې د ګوګل اپلیکیشن کاروونکو ته وړاندې کیږي. لکه څنګه چې دا ځانګړتیاوې وده کوي او د لومړني ازموینې او تطبیق مرحلو څخه تیریږي، تمه کیږي چې دوی به نورو سیمو ته هم ورسیږي. نور هیوادونه، احتمالاً د اروپایی بازارونو په ګډون، چیرې چې د ژباړې او غږ معاونینو غوښتنه په ځانګړي ډول لوړه ده.

ګوګل هم خپله اراده اعلان کړې چې دا غږ او ژباړې تجربه په نورو محصولاتو کې شامل کړي، په شمول د جیمني APIپه راتلونکو میاشتو او کلونو کې، دا به د ګرځندوی، لوژستیک، تعلیم او عامه ادارې په برخو کې د اروپایي شرکتونو لپاره دروازه پرانیزي ترڅو دا وړتیاوې په مستقیم ډول په خپلو خدماتو کې مدغم کړي.

شرکت دا نوي ځانګړتیاوې د یوې پراخې ستراتیژۍ د یوې برخې په توګه وړاندې کوي ترڅو پراختیا کونکو ته وړتیا ورکړي چې د طبیعي غږ سره د خبرو اترو اجنټان جوړ کړئ له اوس څخه، د جیمني ۲.۵ فلش اصلي آډیو او د ۲.۵ فلش او پرو کورنۍ کې د نورو ماډلونو څخه ګټه پورته کول د ډیر کنټرول شوي غږ تولید (د ټون، ارادې، سرعت، او نور تنظیم کول) او چوکاټونو لکه د اجنټک AI بنسټ.

د دې پرمختګونو سره، ګوګل دا مفکوره پیاوړې کوي چې غږ به د مصنوعي استخباراتو سره د تعامل یو له اصلي چینلونو څخه وي: له هغو مرستیالانو څخه چې د پیرودونکو زنګونه اداره کوي او پیچلي عملیات پروسس کوي، تر ورته وخت کې د ژباړې سیسټمونو پورې چې د هغو خلکو ترمنځ اړیکه اسانه کوي چې ژبه نه شریکوي. جیمني ۲.۵ فلش اصلي آډیو د دې هڅې په زړه کې ده، چې د غږ درک او څرګندونې دواړه ښه کوي. ترڅو دا ټیکنالوژي په ورځني ژوند کې ډیره ګټوره او لږ مداخله کوونکې شي، پداسې حال کې چې په اروپا او نورو بازارونو کې د هغې بشپړ پلي کیدو ته انتظار باسي.

اړوند ماده:

Voice.ai vs ElevenLabs vs Udio: د مصنوعي ذهانت غږونو بشپړ پرتله کول

البرټو ناواررو

زه د ټیکنالوژۍ مینه وال یم چې خپلې "ګیک" ګټې یې په مسلک بدلې کړې. ما د خپل ژوند له 10 کلونو څخه ډیر د عصري ټیکنالوژۍ په کارولو او د خالص تجسس څخه د هر ډول برنامو سره په ټکر کې تیر کړي دي. اوس زه د کمپیوټر ټیکنالوژۍ او ویډیو لوبو کې تخصص لرم. دا ځکه چې زه د 5 کلونو څخه ډیر وخت لپاره د ټیکنالوژۍ او ویډیو لوبو په اړه مختلف ویب پا forو لپاره لیکل کوم ، مقالې رامینځته کوي چې تاسو ته هغه معلومات درکړي چې تاسو ورته اړتیا لرئ په داسې ژبه کې چې هرڅوک د پوهیدو وړ وي.

که تاسو کومه پوښتنه لرئ، زما پوهه د وینډوز عملیاتي سیسټم او همدارنګه د ګرځنده تلیفونونو لپاره Android پورې اړوند هر څه پورې اړه لري. او زما ژمنه تاسو ته ده، زه تل چمتو یم چې یو څو دقیقې مصرف کړم او تاسو سره د انټرنیټ نړۍ کې د هرې پوښتنې په حل کې مرسته وکړم.