أكثر من مجرد صوت.. جوجل تمنح Gemini وجها متحركا يتحدث بـ97 لغة

عززت جوجل خدمة Gemini بإضافة صور رمزية تتحدث وترى وتتفاعل مع المستخدمين بتعابير وجهها. وتستهدف هذه الميزة في البداية الشركات، وفقًا للموقع الإخباري التكنولوجي The Verge.وأضفت جوجل على وكلاء الصوت المدعومين بالذكاء الاصطناعي طابعا شخصيا، فمن خلال "الصورة الرمزية الحية"، تحسن الشركة نموذج اللغة Gemini 3.8 Live الخاص بها لوكلاء الصوت متعددي الوسائط، وذلك بإضافة صور رمزية متحركة قادرة على التفاعل مع المستخدمين في الوقت الفعلي تقريبا.ويتم توليد الكلام وحركات الشفاه وتعبيرات الوجه بشكل متزامن، كما تستطيع هذه الصور الرمزية معالجة ما يُظهره المستخدمون عبر الكاميرا أو مشاركة الشاشة، والتفاعل معه أثناء المحادثة.يدعم النظام 97 لغة، ويمكنه التبديل بينها تلقائيًا أثناء المحادثة. تتكيف حركات الشفاه وتعبيرات الوجه مع اللغة المستخدمة. حتى في حال مقاطعة المستخدمين للشخصية الافتراضية، يُفترض أن تحافظ على سياق المحادثة. بالتوازي، يمكن للشخصية الافتراضية استدعاء الأدوات والواجهات، مثل الاستعلام عن البيانات أو تنفيذ عمليات الحجز، دون مقاطعة المحادثة.تُوضح جوجل ذلك، من بين أمور أخرى، من خلال تسجيل الوصول في الفندق، حيث تستمر الشخصية الافتراضية في المحادثة بينما يتم استرجاع المعلومات في الخلفية.تم إطلاق ميزة Live Avatar كميزة للمؤسساتخدمة Live Avatar مُخصصة في البداية للشركات فقط، وهي متاحة الآن للجميع عبر منصة Gemini Enterprise. يُمكن للعملاء من خلالها الاختيار من مكتبة تضم صورًا رمزية جاهزة بمظاهر وأصوات وتعبيرات مختلفة. في عرض توضيحي، تُنشئ جوجل صورة رمزية خاصة بها استنادًا إلى صورة مرجعية وتسجيل صوتي. يهدف النظام إلى الحفاظ على التشابه مع الصورة المرجعية، وأسلوب العلامة التجارية، وهوية الشخصية. لا يُتاح هذا الخيار إلا بعد التفعيل والتحقق من قِبل جوجل لمنع إساءة استخدام الهوية. كما تُضيف جوجل علامة SynthID المائية غير المرئية إلى جميع ملفات الصوت والفيديو المُنشأة.بإمكان الشركات استخدام الصور الرمزية على مواقعها الإلكترونية، وأجهزة الجوال، وأكشاك الخدمة الذاتية التفاعلية. وتشير جوجل إلى خدمات الاستقبال الرقمي وخدمة العملاء كتطبيقات محتملة، من بين تطبيقات أخرى. ولم تُعلن الشركة بعد عن نسخة مخصصة للمستهلكين.يعتمد برنامج Live Avatar على Gemini 3.8 Live، الذي طرح الأسبوع الماضي. صمم هذا النموذج متعدد الوسائط خصيصا للحوارات الصوتية الفورية والوكلاء الصوتيين، ويعالج مدخلات الصوت والصورة والفيديو، وغيرها. في مؤشر جودة تحويل الكلام إلى كلام من شركة Artificial Analysis، يحتل الإصدار الأكثر قوة Extended Thinking المرتبة الأولى برصيد 82.6 نقطة بين جميع النماذج المختبرة للحوارات الصوتية الفورية، بينما يحتل Gemini 3.8 Live المرتبة الخامسة