ಜೆಮಿನಿ ಲೈವ್ ಇತ್ತೀಚಿನ ನವೀಕರಣಗಳಲ್ಲಿ ಧ್ವನಿಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ ಮತ್ತು ಕ್ಯಾಡೆನ್ಸ್ ಅನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ

Gemini Live ಬಳಕೆದಾರರು Google ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಹಾಯಕರ ಧ್ವನಿ ಆಯ್ಕೆಗಳಲ್ಲಿ ಬದಲಾವಣೆಗಳನ್ನು ಗಮನಿಸುತ್ತಾರೆ. ಬದಲಾವಣೆಗಳು ನೈಜ-ಸಮಯದ ಸಂವಾದಗಳ ಸಮಯದಲ್ಲಿ ಮಾತಿನ ಕ್ಯಾಡೆನ್ಸ್, ಟೋನ್ ಮತ್ತು ಪ್ರಾದೇಶಿಕ ಉಚ್ಚಾರಣೆಗಳ ಮಿಶ್ರಣದಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಇತ್ತೀಚಿನ ಆವೃತ್ತಿ 3.1 Flash Live ನಂತಹ ಟೆಂಪ್ಲೇಟ್ ನವೀಕರಣಗಳ ನಂತರ Essas ಬದಲಾವಣೆಗಳು ಆಗಾಗ್ಗೆ ಸಂಭವಿಸುತ್ತವೆ ಮತ್ತು ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಸಂಭಾಷಣೆಗಳ ಅನುಭವದ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ.

Live ವೈಶಿಷ್ಟ್ಯವನ್ನು ಬಳಸುವಾಗ ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿನ ಧ್ವನಿ ಪೂರ್ವವೀಕ್ಷಣೆಗಳು ನಿಜವಾದ ಧ್ವನಿಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ ಎಂದು ಹಲವು ವರದಿಗಳು ಸೂಚಿಸುತ್ತವೆ. ಸ್ತ್ರೀ ಬ್ರಿಟಿಷ್ ಉಚ್ಚಾರಣೆಯನ್ನು ವಹಿಸುವ Capella ಆಯ್ಕೆಯು ಆರಂಭಿಕ ಬಿಡುಗಡೆಯ ನಂತರ ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾದ ಬದಲಾವಣೆಗಳನ್ನು ಹೊಂದಿದೆ. Outras ಪ್ರಾದೇಶಿಕ ಧ್ವನಿಗಳು ಸಹ ಇದೇ ರೀತಿಯ ಸ್ಥಿರತೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತವೆ.

ಧ್ವನಿಯ ಧ್ವನಿ ಮತ್ತು ಧ್ವನಿಯಲ್ಲಿ ಬದಲಾವಣೆಗಳು

Gemini Live ನಲ್ಲಿ ವಿಭಿನ್ನ ಧ್ವನಿ ಆಯ್ಕೆಗಳನ್ನು ಬಳಸುವ ಬಳಕೆದಾರರಲ್ಲಿ ಮಾತಿನ ಕ್ಯಾಡೆನ್ಸ್‌ನಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಸಾಮಾನ್ಯ ದೂರುಗಳಲ್ಲಿ ಒಂದನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ವಿವಿಧ ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ಮಾತಿನ ಮಾದರಿಗಳು ನಿಧಾನವಾಗುತ್ತವೆ, ಆದರೆ ಎತ್ತರದ ಸ್ವರಗಳು ಗಮನಾರ್ಹವಾಗಿ ಕಡಿಮೆಯಾಗುತ್ತವೆ. ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ, ನಡೆಯುತ್ತಿರುವ ಸಂಭಾಷಣೆಗಳ ಸಮಯದಲ್ಲಿ ಆಸ್ಟ್ರೇಲಿಯನ್ ಉಚ್ಚಾರಣೆಗಳು ಮತ್ತು ಅಮೇರಿಕನ್‌ನ ಹೆಚ್ಚು ತಟಸ್ಥ ವ್ಯತ್ಯಾಸಗಳ ನಡುವೆ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಪರ್ಯಾಯವಾಗಿರುತ್ತವೆ.

ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಮರುಹೊಂದಿಸಿದ ನಂತರ ಈ ಹೊಂದಾಣಿಕೆಗಳು ಕ್ರಮೇಣ ಸಂಭವಿಸುತ್ತವೆ, ಹೈಬ್ರಿಡ್ ಆವೃತ್ತಿಯಾಗಿ ರೂಪಾಂತರಗೊಳ್ಳುವ ಮೊದಲು ಆಯ್ದ ಉಚ್ಚಾರಣೆಯು ಅಲ್ಪಾವಧಿಗೆ ಉಳಿದಿದೆ. ಪರಸ್ಪರ ಕ್ರಿಯೆಗಳಲ್ಲಿ ಸ್ಥಿರತೆಯನ್ನು ನಿರೀಕ್ಷಿಸುವವರಿಗೆ ಅನುಭವವು ಅಹಿತಕರವಾಗಬಹುದು. Usuários ದೀರ್ಘ ಸಂಭಾಷಣೆಗಳನ್ನು ಹೊಂದಿರುವವರು ಈ ಪರಿವರ್ತನೆಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಗಮನಿಸುತ್ತಾರೆ.

ಪೂರ್ವವೀಕ್ಷಣೆ ಮತ್ತು ಸಂಪನ್ಮೂಲದ ನಿಜವಾದ ಬಳಕೆಯ ನಡುವಿನ ಹೋಲಿಕೆ

Gemini Live ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ಲಭ್ಯವಿರುವ ಆಡಿಯೊ ಪೂರ್ವವೀಕ್ಷಣೆಯು ಸಕ್ರಿಯ ಸಂವಾದ ಅವಧಿಗಳಲ್ಲಿ ಪಡೆದ ಫಲಿತಾಂಶಗಳಿಗಿಂತ ಹೆಚ್ಚಾಗಿ ಭಿನ್ನವಾಗಿರುತ್ತದೆ. Essa ವ್ಯತ್ಯಾಸವು ವಿಶೇಷವಾಗಿ ವೈಯಕ್ತಿಕಗೊಳಿಸಿದ ಧ್ವನಿಗಳ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ, ಇದು ಕಾಲಾನಂತರದಲ್ಲಿ ಮೂಲ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತದೆ. Relatos ಇತ್ತೀಚಿನ ತಿಂಗಳುಗಳಲ್ಲಿ ಸಂಗ್ರಹವಾದ ಹಲವಾರು ಲಭ್ಯವಿರುವ ಆಯ್ಕೆಗಳಲ್ಲಿ ಪ್ರಗತಿಶೀಲ ಕ್ಷೀಣತೆಯನ್ನು ಸೂಚಿಸುತ್ತದೆ.

• ನಿಧಾನಗತಿಯ ಕ್ಯಾಡೆನ್ಸ್ ಪ್ರತಿಕ್ರಿಯೆಗಳ ನೈಸರ್ಗಿಕ ಹರಿವಿನ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ.
• ಹೆಚ್ಚಿನ ಟೋನ್ಗಳನ್ನು ಮೃದುಗೊಳಿಸಲಾಗುತ್ತದೆ, ಧ್ವನಿಯ ವ್ಯಕ್ತಿತ್ವವನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ.
• ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ಉಚ್ಚಾರಣೆಗಳ ಮಿಶ್ರಣಗಳು ಅನಿರೀಕ್ಷಿತವಾಗಿ ಸಂಭವಿಸುತ್ತವೆ.
• ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ತಾತ್ಕಾಲಿಕವಾಗಿ ಮರುಹೊಂದಿಸುವುದು ಆರಂಭಿಕ ನಡವಳಿಕೆಯನ್ನು ಭಾಗಶಃ ಮರುಸ್ಥಾಪಿಸುತ್ತದೆ.

ಈ ಅವಲೋಕನಗಳು Google ರ AI ಮಾದರಿಗಳಿಗೆ ಆಗಾಗ್ಗೆ ನವೀಕರಣಗಳ ಸಂದರ್ಭದಲ್ಲಿ ಬರುತ್ತವೆ, ಇದು ಒಟ್ಟಾರೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ ಆದರೆ ಧ್ವನಿಗಳ ಮೇಲೆ ಅಡ್ಡ ಪರಿಣಾಮಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.

Gemini Live ಸೆಷನ್‌ಗಳಲ್ಲಿ ಆಡಿಯೋ ಕಲಾಕೃತಿಗಳು

Gemini Live ಬಳಕೆಯ ಸಮಯದಲ್ಲಿ ಪಾಪ್ಸ್, ಪಾಪ್ಸ್ ಮತ್ತು ಹಿಸ್‌ನಂತಹ ಧ್ವನಿ ಕಲಾಕೃತಿಗಳು ವಿರಳವಾಗಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ. Esses ಶಬ್ದಗಳು ಧ್ವನಿ ಬದಲಾವಣೆಗಳಿಗೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿಲ್ಲ, ಆದರೆ ಕಂಪನಿಯ ಬೆಂಬಲ ವೇದಿಕೆಗಳಲ್ಲಿ ಮತ್ತೊಂದು ಮರುಕಳಿಸುವ ದೂರನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ಆಯ್ಕೆಮಾಡಿದ ಧ್ವನಿ ಆಯ್ಕೆಯನ್ನು ಅವಲಂಬಿಸಿ ಸಂಭವಿಸುವಿಕೆಯು ಬದಲಾಗುತ್ತದೆ ಮತ್ತು ಯಾವಾಗಲೂ ಒಂದೇ ರೀತಿ ಪುನರಾವರ್ತನೆಯಾಗುವುದಿಲ್ಲ.

ಅನೇಕ ಬಳಕೆದಾರರು ನಿರ್ದಿಷ್ಟ ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಸಮಸ್ಯೆಯನ್ನು ಪುನರುತ್ಪಾದಿಸಲು ಸಮರ್ಥರಾಗಿದ್ದಾರೆ, ಆದರೆ ಇತರರು ನಿರ್ದಿಷ್ಟ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ ಮಾತ್ರ ಕಲಾಕೃತಿಗಳನ್ನು ವೀಕ್ಷಿಸುತ್ತಾರೆ. ತ್ವರಿತ ಧ್ವನಿ ಆದೇಶಗಳಲ್ಲಿ ಅಥವಾ ವಾಹನಗಳಲ್ಲಿ Android Auto ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲಾದ Android Auto ಮೋಡ್‌ನಲ್ಲಿ ಆಡಿಯೊ ಗುಣಮಟ್ಟ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ. Essa ವ್ಯತ್ಯಾಸವು ಸಮಸ್ಯೆಯು ದೀರ್ಘ ಸಂಭಾಷಣೆ ಅವಧಿಗಳಲ್ಲಿ ಅಥವಾ ಬಳಕೆಯ ಕೆಲವು ಸಂದರ್ಭಗಳಲ್ಲಿ ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

ವಿಭಿನ್ನ ಸಂವಹನ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ವರ್ತನೆ

ಸಂಕ್ಷಿಪ್ತ ಆಜ್ಞೆಗಳು ಅಥವಾ ಸರಳ ಧ್ವನಿ ನಿಯಂತ್ರಣಗಳಿಗಾಗಿ ಸಹಾಯಕವನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿದಾಗ Gemini Live ಧ್ವನಿಗಳು ಹೆಚ್ಚಿನ ಸ್ಥಿರತೆಯನ್ನು ಕಾಯ್ದುಕೊಳ್ಳುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಆಳವಾದ ಸಂಭಾಷಣೆಯ ಸಂವಾದಗಳ ಸಮಯದಲ್ಲಿ, ಕ್ಯಾಡೆನ್ಸ್ ಮತ್ತು ಧ್ವನಿಯಲ್ಲಿನ ಬದಲಾವಣೆಗಳು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗುತ್ತವೆ. Android Auto ಮೂಲಕ ಕಾರುಗಳಲ್ಲಿನ ವೈಶಿಷ್ಟ್ಯವು ಆಯ್ದ ಆಯ್ಕೆಗಳ ಮೂಲ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಸಂರಕ್ಷಿಸುತ್ತದೆ.

Google ಈ ನಡವಳಿಕೆಗಳ ಕುರಿತು ವಿಚಾರಣೆಗಳನ್ನು ಸ್ವೀಕರಿಸಿದೆ, ಆದರೂ ಈ ಸಮಯದಲ್ಲಿ ಮಾನ್ಯತೆ ಅಥವಾ ಪರಿಹಾರಗಳ ಯಾವುದೇ ಅಧಿಕೃತ ದೃಢೀಕರಣವಿಲ್ಲ. Usuários Capella ಸೇರಿದಂತೆ ಲಭ್ಯವಿರುವ ವಿವಿಧ ಧ್ವನಿಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದನ್ನು ಮುಂದುವರೆಸಿದೆ, ಕಾಲಾನಂತರದಲ್ಲಿ ಯಾವುದು ಕಡಿಮೆ ವ್ಯತ್ಯಾಸಗಳನ್ನು ತೋರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸುತ್ತದೆ.

ಲಭ್ಯವಿರುವ ಆಯ್ಕೆಗಳು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್‌ನಲ್ಲಿನ ಹೊಂದಾಣಿಕೆಗಳು

Gemini Live ವಿಭಿನ್ನವಾದ ಉಚ್ಚಾರಣೆಗಳು ಮತ್ತು ಸ್ವರಗಳೊಂದಿಗೆ ಬಹು ಗ್ರಾಹಕೀಯಗೊಳಿಸಬಹುದಾದ ಧ್ವನಿಗಳನ್ನು ನೀಡುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಬ್ರಿಟಿಷ್, ತಟಸ್ಥ ಅಮೇರಿಕನ್ ಮತ್ತು ಇತರ ಪ್ರಾದೇಶಿಕ ವ್ಯತ್ಯಾಸಗಳನ್ನು ಅನುಕರಿಸುವ ಆಯ್ಕೆಗಳು. ವೈಯಕ್ತಿಕ ಆದ್ಯತೆಗಳಿಗೆ ಸೂಕ್ತವಾದ ಸೆಟ್ಟಿಂಗ್ ಅನ್ನು ಹುಡುಕಲು ಬಳಕೆದಾರರು ಅಪ್ಲಿಕೇಶನ್‌ನ ಸೆಟ್ಟಿಂಗ್‌ಗಳಲ್ಲಿ ನೇರವಾಗಿ ಆಯ್ಕೆಯನ್ನು ಬದಲಾಯಿಸಬಹುದು. ಧ್ವನಿಗಳನ್ನು ಬದಲಾಯಿಸುವುದು ಯಾವಾಗಲೂ ಕ್ಯಾಡೆನ್ಸ್ ಸಮಸ್ಯೆಗಳನ್ನು ಶಾಶ್ವತವಾಗಿ ಪರಿಹರಿಸುವುದಿಲ್ಲ.

• ಆಯ್ಕೆಗಳು ಹೆಚ್ಚಿನ ಅಥವಾ ಕಡಿಮೆ ಪಿಚ್ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ಧ್ವನಿಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ.
• ಆರಂಭಿಕ ಅವಧಿಗಳಲ್ಲಿ ಆಯ್ಕೆಮಾಡಿದ ಉಚ್ಚಾರಣೆಯನ್ನು ಕೆಲವರು ಉತ್ತಮವಾಗಿ ಸಂರಕ್ಷಿಸುತ್ತಾರೆ.
• ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಮರುಹೊಂದಿಸುವುದರಿಂದ ನಿರೀಕ್ಷಿತ ನಡವಳಿಕೆಯನ್ನು ತಾತ್ಕಾಲಿಕವಾಗಿ ಮರುಸ್ಥಾಪಿಸಬಹುದು.
• ಟೆಂಪ್ಲೇಟ್ ನವೀಕರಣಗಳು ಧ್ವನಿಗಳ ಒಟ್ಟಾರೆ ಕಾರ್ಯಕ್ಷಮತೆಯ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತವೆ.

ಈ ವೈಶಿಷ್ಟ್ಯಗಳು ಹೆಚ್ಚಿನ ಗ್ರಾಹಕೀಕರಣವನ್ನು ಅನುಮತಿಸುತ್ತದೆ, ಆದರೆ ವರದಿಯ ಅಸಂಗತತೆಗಳು ಅಭಿವೃದ್ಧಿಗೆ ಜವಾಬ್ದಾರರಾಗಿರುವ ಕಂಪನಿಯ ಹೊಂದಾಣಿಕೆಗಳ ಅಗತ್ಯವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತವೆ.

ಕಾಲಾನಂತರದಲ್ಲಿ Gemini Live ರಲ್ಲಿ ಧ್ವನಿಗಳ ವಿಕಸನ

ಕಳೆದ ಕೆಲವು ತಿಂಗಳುಗಳಲ್ಲಿ, Gemini Live ಗಾಗಿ ಹಲವಾರು ಧ್ವನಿ ಆಯ್ಕೆಗಳು ಮಾರ್ಪಾಡುಗಳಿಗೆ ಒಳಗಾಗಿವೆ, ಅದು ಮಾತಿನ ವೇಗ ಮತ್ತು ಉಚ್ಚಾರಣೆಗಳ ಮಿಶ್ರಣದಂತಹ ಅಂಶಗಳನ್ನು ಬದಲಾಯಿಸುತ್ತದೆ. Essas ಬದಲಾವಣೆಗಳು ಪ್ರತಿಕ್ರಿಯೆ ವೇಗ ಮತ್ತು ಸಂದರ್ಭೋಚಿತ ತಿಳುವಳಿಕೆ ಸೇರಿದಂತೆ AI ಮಾದರಿಗಳ ಇತರ ಅಂಶಗಳಲ್ಲಿನ ಸುಧಾರಣೆಗಳೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುತ್ತವೆ. ಈ ವೈಶಿಷ್ಟ್ಯವು ವಿಕಸನಗೊಳ್ಳುವುದನ್ನು ಮುಂದುವರೆಸಿದೆ, ಸಂವಹನಗಳನ್ನು ಹೆಚ್ಚು ದ್ರವವಾಗಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ನವೀಕರಣಗಳೊಂದಿಗೆ.

ದೈನಂದಿನ ಕಾರ್ಯಗಳು ಅಥವಾ ಪ್ರವೇಶಿಸುವಿಕೆಗಾಗಿ ನಿರ್ದಿಷ್ಟ ಧ್ವನಿಗಳನ್ನು ಅವಲಂಬಿಸಿರುವ ಬಳಕೆದಾರರು ಉಪಯುಕ್ತತೆಯ ಮೇಲೆ ನೇರ ಪರಿಣಾಮಗಳನ್ನು ನೋಡುತ್ತಾರೆ. ದೀರ್ಘಾವಧಿಯ ಸಂಭಾಷಣೆಗಳಲ್ಲಿ ಸಹಾಯಕವನ್ನು ಬಳಸುವವರಿಗೆ ಆಡಿಯೊ ಪೂರ್ವವೀಕ್ಷಣೆ ಮತ್ತು ನಿಜವಾದ ಕಾರ್ಯಗತಗೊಳಿಸುವಿಕೆಯ ನಡುವಿನ ಸ್ಥಿರತೆಯು ಗಮನ ಸೆಳೆಯುವ ಅಂಶವಾಗಿದೆ. Google ಧ್ವನಿಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯ ಬಗ್ಗೆ ಸ್ವೀಕರಿಸಿದ ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಸಿಸ್ಟಮ್ ಅನ್ನು ಸುಧಾರಿಸುವುದನ್ನು ಮುಂದುವರೆಸಿದೆ.