Последнее обновление Gemini от Google приближает голос к центральному формату взаимодействия с поиском, добавляя новый нюанс в SEO.
Обновление Search Live на базе Gemini 2.5 Flash Native Audio
Google обновил Search Live, внедрив Gemini 2.5 Flash Native Audio. Это улучшает работу голосового взаимодействия внутри поиска и расширяет использование модели для перевода и голосовых агентов в реальном времени. Обновление делает устные ответы в Search Live более естественными и отражает стремление Google развивать голосовые запросы, рассматривая голос как ключевой интерфейс.
Теперь пользователи могут получать через голос всё то же, что и в обычном поиске, а также задавать вопросы об окружающем физическом мире и получать мгновенный голосовой перевод между людьми, говорящими на разных языках.
Новые голосовые возможности, которые начинают развёртываться на этой неделе в США, позволяют ответам Google звучать более естественно. Кроме того, скорость речи можно замедлять, что особенно полезно для обучающего контента.
Что говорит Google
«Когда вы используете Search Live, вы можете вести двусторонний голосовой диалог в AI Mode, чтобы получать помощь в реальном времени и быстро находить релевантные сайты в интернете. А благодаря нашей новой модели Gemini с нативной поддержкой аудио ответы в Search Live стали более плавными и выразительными, чем когда-либо прежде».
Более широкий запуск Gemini Native Audio
Обновление Search является частью более масштабного развёртывания Gemini 2.5 Flash Native Audio по всей экосистеме Google, включая Gemini Live (в приложении Gemini), Google AI Studio и Vertex AI.
Модель обрабатывает устную речь в реальном времени и генерирует плавные голосовые ответы, снижая барьеры для естественного диалога и уменьшая трение при живом взаимодействии. Хотя Google прямо не указал, что модель работает по принципу «речь — речь», обновление логично продолжает анонс технологии Speech-to-Retrieval (S2R), представленной в октябре. Это нейросетевая модель машинного обучения, обученная на больших наборах парных аудиозапросов.
Эти изменения показывают, что Google рассматривает нативное аудио как базовую возможность во всех пользовательских продуктах, делая получение информации об окружающем мире более естественным и удобным.
Улучшения для голосовых систем
Для разработчиков и компаний, создающих голосовые системы, Google отмечает рост надёжности модели в нескольких ключевых аспектах. Gemini 2.5 Flash Native Audio стабильнее вызывает внешние функции во время диалога, лучше следует сложным инструкциям и сохраняет контекст на протяжении нескольких реплик.
Это делает голосовых агентов более пригодными для реальных рабочих сценариев, где ошибки в интерпретации команд или разрыв диалога резко снижают удобство использования.
Плавный разговорный перевод
Помимо поиска и голосовых агентов, обновление добавляет нативную поддержку «живого перевода речи в речь». Gemini переводит устную речь в реальном времени — либо постоянно переводя окружающую речь на нужный язык, либо обеспечивая двусторонний перевод между собеседниками, говорящими на разных языках.
Система сохраняет голосовые характеристики, такие как ритм и интонация, благодаря чему перевод звучит более естественно и разговорно.
Google подчёркивает несколько возможностей, лежащих в основе этой функции: широкую языковую поддержку, автоматическое определение языка, работу с многоязычным вводом и фильтрацию шума в повседневной среде. Всё это снижает необходимость ручной настройки и позволяет переводу происходить пассивно, прямо в процессе разговора.
В результате перевод работает так, будто между двумя людьми присутствует живой переводчик.
Голосовой поиск и давние амбиции Google
Это обновление отражает долгосрочное развитие голосового поиска Google в сторону идеала, вдохновлённого научной фантастикой — голосовым взаимодействием человека и компьютера, подобным тому, что показывали в сериалах и фильмах Star Trek.