Google Gemini može da analizira audio fajlove

Google je ažurirao svoj AI četbot, Gemini, dodavši mu sposobnost da preslušava i analizira otpremljene audio fajlove. Ova multimodalna mogućnost omogućava korisnicima interakciju sa audio sadržajem bez potrebe za prethodno pripremljenim pisanim transkriptom.

Šta Gemini može da uradi sa zvukom?

Gemini ne "sluša" zvuk samo na tradicionalan način; on obrađuje podatke unutar audio fajlova kako bi razumeo kontekst, ton i sadržaj. Ključne funkcije uključuju:

• Rezimiranje (Summarization): Brzo dobijanje suštine dugih sastanaka, predavanja ili podkasta.
• Pronalaženje informacija: Postavljanje specifičnih pitanja o tome šta je rečeno u određenom trenutku snimka.
• Transkripcija: Iako mu to nije primarni fokus, može pomoći u identifikaciji i zapisivanju specifičnih segmenata zvuka.
• Analiza: Identifikovanje ključnih tema ili osećanja (sentimenta) izraženih u audio zapisu.

Podržani audio formati

Gemini trenutno podržava nekoliko uobičajenih tipova audio fajlova, uključujući:

• MP3
• WAV
• AAC
• FLAC
• OPUS

Kako koristiti Gemini za analizu zvuka

Da biste počeli, potrebno je da koristite veb verziju Gemini-ja (gemini.google.com). Evo koraka:

1. Otvorite Gemini: Prijavite se na svoj Google nalog.
2. Otpremite fajl: Kliknite na ikonu Plus (+) u traci za unos teksta (prompt bar).
3. Izaberite audio: Odaberite audio fajl sa svog uređaja ili sa Google Drive-a.
4. Unesite komandu: Kada se fajl otpremi, ukucajte upit. Na primer:
   • "Sumiraj ključne tačke ovog snimka."
   • "Šta je govornik rekao o roku za završetak projekta?"
   • "Navedi sve stavke za akciju (action items) pomenute na ovom sastanku."
5. Pošaljite: Pritisnite enter i sačekajte da Gemini obradi zvuk i pruži odgovor.

Dostupnost i ograničenja

Trenutno je mogućnost otpremanja i analize audio fajlova prvenstveno dostupna pretplatnicima na Gemini Advanced (deo Google One AI Premium plana). Ova verzija koristi Gemini 1.5 Pro model, koji poseduje ogroman "kontekstualni prozor", što mu omogućava da odjednom "pročita" sate audio zapisa.

Korisnici besplatne verzije mogu imati ograničen ili nikakav pristup direktnom otpremanju audia, u zavisnosti od trenutnog uvođenja funkcija po regionima i ažuriranja modela.

Zašto je ovo važno

Ovo ažuriranje stavlja Gemini ispred konkurencije u trci za produktivnost. Umesto da ručno transkribujete jednočasovni intervju ili ponovo slušate celo predavanje, korisnici mogu jednostavno otpremiti fajl i izvući potrebne informacije za nekoliko sekundi. To je značajan korak napred za istraživanje potpomognuto veštačkom inteligencijom i upravljanje radnim procesima.

Napomena: Ova funkcija se oslanja na snagu modela Gemini 1.5 Pro, koji je optimizovan za obradu velike količine podataka u jednom upitu.