Gemini deja de ofenderse cuando lo interrumpen
Google ha actualizado el modo de voz Gemini Live y ha presentado el modelo Gemini 3.5 Live. Según la compañía, supera claramente al anterior Gemini 3.1 Live en varios aspectos clave: entiende mejor las interrupciones a mitad de una frase, procesa imágenes y otros datos visuales en tiempo real, puede cambiar entre varios idiomas durante una conversación y ejecutar herramientas en segundo plano.
Esta última posibilidad es especialmente importante. Actualmente, Gemini Live no puede acceder plenamente a otras herramientas ni utilizarlas, por lo que la compatibilidad con acciones en segundo plano podría ampliar considerablemente la utilidad práctica del modo de voz. En otras palabras, el asistente debería no solo conversar, sino también realizar tareas relacionadas, sin obligar al usuario a volver a la pantalla cada vez.
Gemini Live ya se considera una de las funciones más logradas de Gemini en los móviles: el diálogo con el sistema recuerda a una conversación normal. Aun así, no está libre de fallos. Su comportamiento puede depender de las características de la voz del usuario. Por ejemplo, a veces el asistente confunde el habla con italiano y cambia de idioma de repente. Si lo interrumpen, puede perderse y restablecer la configuración de voz predeterminada en lugar de conservar la voz Ursa seleccionada.
Google espera que Gemini 3.5 Live reduzca este tipo de errores. La nueva versión podrá ponerse a prueba en la práctica cuando esté disponible.
Al mismo tiempo, la empresa ha lanzado dos modelos para desarrolladores: Gemini 3.5 Live Experimental y Gemini 3.5 Transcribe. Están disponibles a través de Gemini API en Google AI Studio y en la plataforma Gemini Enterprise Agent Platform.
Algunas funciones de reconocimiento de voz ya están llegando a los productos para usuarios. En Android, la función Rambler del teclado Gboard utiliza Gemini 3.5 Transcribe: convierte un discurso largo y desordenado en un texto bien organizado y elimina automáticamente muletillas como «eh» y «bueno». Después, permite corregir erratas, editar el texto y cambiar su estilo mediante la voz.
En la aplicación Gemini para macOS, el modelo combina la entrada de voz con la comprensión de lo que aparece en pantalla. Mediante una orden oral, puede recurrir a otros modelos de Gemini en segundo plano para resumir archivos locales, trasladar y reelaborar texto entre aplicaciones o crear imágenes donde esté el cursor.
Pronto debería llegar una tecnología similar a Chrome. El usuario podrá dictar texto en cualquier campo de una página web: responder a correos electrónicos, preparar publicaciones para redes sociales o formular consultas para Gemini.
Gemini 3.5 Live, Gemini 3.5 Live Experimental y Gemini 3.5 Transcribe se presentaron a la vez. Google aún no ha anunciado fechas concretas para el lanzamiento general, pero se espera que el despliegue comience en los próximos días.
PEREC.RU
El artículo informa de la actualización del modo de voz Google Gemini Live y del lanzamiento del modelo Gemini 3.5 Live. Según Google, la nueva versión debería gestionar mucho mejor las interrupciones del usuario a mitad de una frase, procesar información visual en tiempo real, cambiar entre varios idiomas y ejecutar herramientas en segundo plano. Esta última función es especialmente relevante, porque el Gemini Live actual tiene un acceso limitado a otras herramientas y aún no puede utilizarlas plenamente durante una conversación.
Gemini Live ya se considera una de las funciones más cómodas de Gemini en los móviles: permite mantener con la IA un diálogo parecido a una conversación con una persona. Sin embargo, el modo también comete errores. El asistente puede identificar mal el idioma y, por ejemplo, confundir el habla con italiano y cambiar por su cuenta. Tras una interrupción, a veces pierde el contexto y restablece la voz estándar en lugar de la seleccionada. Se menciona como ejemplo la voz Ursa, que prefiere el usuario, pero que el sistema puede sustituir después de un fallo. Se espera que Gemini 3.5 Live reduzca estos problemas.
Al mismo tiempo, Google ha presentado dos modelos para desarrolladores: Gemini 3.5 Live Experimental y Gemini 3.5 Transcribe. Están disponibles a través de Gemini API en Google AI Studio y en la plataforma Gemini Enterprise Agent Platform.
Las funciones de reconocimiento de voz ya empiezan a aparecer en los productos de Google para consumidores. En Android, la función Rambler del teclado Gboard utiliza Gemini 3.5 Transcribe. Convierte dictados largos y desordenados en texto estructurado, elimina automáticamente las muletillas, como «eh» y «bueno», y permite después corregir erratas, editar el texto y cambiar su estilo mediante la voz.
En la aplicación Gemini para macOS, la nueva tecnología combina la entrada de voz con la comprensión del contenido de la pantalla. Mediante una orden oral, el sistema puede utilizar otros modelos de Gemini en segundo plano para resumir archivos locales, reelaborar texto al trasladarlo entre aplicaciones y crear imágenes donde esté el cursor.
Google también prepara la integración de la tecnología en Chrome. El usuario podrá dictar texto en cualquier campo web: responder a correos electrónicos, crear publicaciones para redes sociales y redactar consultas para Gemini.
Gemini 3.5 Live, Gemini 3.5 Live Experimental y Gemini 3.5 Transcribe se anunciaron el mismo día. Se desconoce la fecha exacta en que estarán disponibles para todos los usuarios, aunque se espera que el despliegue empiece en los próximos días.
