News (TE)

జెమిని లైవ్ వాయిస్‌లను మారుస్తుంది మరియు ఇటీవలి అప్‌డేట్‌లలో క్యాడెన్స్‌ను మారుస్తుంది

Gemini
Gemini - Primakov / Shutterstock.com

జెమిని లైవ్ యూజర్లు గూగుల్ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ అసిస్టెంట్ వాయిస్ ఆప్షన్‌లలో మార్పులను గమనిస్తున్నారు. మార్పులలో స్పీచ్ క్యాడెన్స్, టోన్ మరియు రియల్-టైమ్ ఇంటరాక్షన్‌ల సమయంలో ప్రాంతీయ స్వరాల మిశ్రమం కూడా ఉన్నాయి. ఇటీవలి ఫ్లాష్ లైవ్ వెర్షన్ 3.1 వంటి టెంప్లేట్ అప్‌డేట్‌ల తర్వాత ఈ మార్పులు తరచుగా జరుగుతాయి మరియు వ్యక్తిగతీకరించిన సంభాషణల అనుభవాన్ని ప్రభావితం చేస్తాయి.

లైవ్ ఫీచర్‌ని ఉపయోగిస్తున్నప్పుడు యాప్‌లోని వాయిస్ ప్రివ్యూలు వాస్తవ ధ్వనితో సరిపోలడం లేదని చాలా నివేదికలు సూచిస్తున్నాయి. బ్రిటీష్ స్త్రీ యాసను పునరుత్పత్తి చేసే కాపెల్లా ఎంపిక, ప్రారంభ ప్రారంభం నుండి మరింత స్పష్టమైన మార్పులను అందిస్తుంది. ఇతర ప్రాంతీయ స్వరాలు కూడా ఇలాంటి స్థిరత్వ సమస్యలను ప్రదర్శిస్తాయి.

స్వరాల స్వరం మరియు స్వరంలో మార్పులు

జెమిని లైవ్‌లో విభిన్న వాయిస్ ఆప్షన్‌లను ఉపయోగించే వినియోగదారులలో స్పీచ్ క్యాడెన్స్‌లో మార్పులు అత్యంత సాధారణ ఫిర్యాదులలో ఒకటి. వివిధ సెట్టింగ్‌లలో స్పీచ్ ప్యాటర్న్‌లు మందగిస్తాయి, అయితే హై-పిచ్ టోన్‌లు గమనించదగ్గ విధంగా తగ్గుతాయి. కొన్ని సందర్భాల్లో, కొనసాగుతున్న సంభాషణల సమయంలో ప్రతిస్పందనలు ఆస్ట్రేలియన్ స్వరాలు మరియు అమెరికన్ యొక్క మరింత తటస్థ వైవిధ్యాల మధ్య ప్రత్యామ్నాయంగా ఉంటాయి.

ఈ సర్దుబాట్లు అప్లికేషన్‌ను రీసెట్ చేసిన తర్వాత క్రమంగా జరుగుతాయి, ఎంచుకున్న యాస హైబ్రిడ్ వెర్షన్‌గా రూపాంతరం చెందడానికి ముందు స్వల్ప వ్యవధిలో ఉంటుంది. పరస్పర చర్యలలో స్థిరత్వాన్ని ఆశించే వారికి అనుభవం అసౌకర్యంగా మారుతుంది. సుదీర్ఘ సంభాషణలను కలిగి ఉన్న వినియోగదారులు ఈ పరివర్తనలను మరింత తరచుగా గమనిస్తారు.

మిధునరాశి
జెమిని – mundissima/ Shutterstock.com

ప్రివ్యూ మరియు వనరు యొక్క వాస్తవ వినియోగం మధ్య పోలిక

జెమిని లైవ్ సెట్టింగ్‌లలో అందుబాటులో ఉండే ఆడియో ప్రివ్యూ తరచుగా యాక్టివ్ చాట్ సెషన్‌లలో పొందిన ఫలితాలకు భిన్నంగా ఉంటుంది. ఈ వ్యత్యాసం ప్రత్యేకంగా వ్యక్తిగతీకరించిన స్వరాలను ప్రభావితం చేస్తుంది, ఇది కాలక్రమేణా అసలు లక్షణాలను కోల్పోతుంది. ఇటీవలి నెలల్లో సేకరించబడిన నివేదికలు అందుబాటులో ఉన్న అనేక ఎంపికలలో ప్రగతిశీల క్షీణతను సూచిస్తున్నాయి.

  • నెమ్మదిగా తగ్గడం ప్రతిస్పందనల సహజ ప్రవాహాన్ని ప్రభావితం చేస్తుంది.
  • అధిక టోన్లు మృదువుగా ఉంటాయి, వాయిస్ వ్యక్తిత్వాన్ని మారుస్తాయి.
  • డైలాగ్‌లలో అనూహ్యమైన స్వరాలు మిక్స్‌లు కనిపిస్తాయి.
  • యాప్‌ను తాత్కాలికంగా రీసెట్ చేయడం ప్రారంభ ప్రవర్తనను పాక్షికంగా పునరుద్ధరిస్తుంది.

ఈ పరిశీలనలు Google యొక్క AI మోడల్‌లకు తరచుగా అప్‌డేట్‌ల సందర్భంలో వస్తాయి, ఇవి మొత్తం పనితీరును మెరుగుపరచడమే కాకుండా స్వరాలపై దుష్ప్రభావాలకు దారి తీస్తాయి.

జెమిని లైవ్ సెషన్‌లలో ఆడియో కళాఖండాలు

జెమిని లైవ్‌ని ఉపయోగిస్తున్నప్పుడు పాప్స్, పాప్స్ మరియు హిస్ వంటి సౌండ్ ఆర్టిఫ్యాక్ట్‌లు అప్పుడప్పుడు కనిపిస్తాయి. ఈ శబ్దాలు వాయిస్ మార్పులకు నేరుగా లింక్ చేయబడవు, కానీ కంపెనీ మద్దతు ఫోరమ్‌లలో పునరావృతమయ్యే మరొక ఫిర్యాదును సూచిస్తాయి. ఎంపిక చేయబడిన వాయిస్ ఎంపికపై ఆధారపడి సంభవం మారుతుంది మరియు ఎల్లప్పుడూ ఒకే విధంగా పునరావృతం కాదు.

చాలా మంది వినియోగదారులు నిర్దిష్ట పరీక్షలలో సమస్యను పునరుత్పత్తి చేయగలరు, మరికొందరు నిర్దిష్ట పరిస్థితుల్లో మాత్రమే కళాఖండాలను గమనిస్తారు. త్వరిత వాయిస్ కమాండ్‌లతో లేదా వాహనాల్లో Android Autoలో నిర్మించిన లైవ్ మోడ్‌లో ఆడియో నాణ్యత స్థిరంగా ఉంటుంది. ఈ వ్యత్యాసం సమస్య సుదీర్ఘ సంభాషణ సెషన్‌లలో లేదా నిర్దిష్ట ఉపయోగంలో కేంద్రీకృతమైందని సూచిస్తుంది.

విభిన్న పరస్పర చర్యలలో ప్రవర్తన

సంక్షిప్త ఆదేశాలు లేదా సాధారణ వాయిస్ నియంత్రణల కోసం సహాయకుడిని పిలిచినప్పుడు జెమిని లైవ్ వాయిస్‌లు ఎక్కువ స్థిరత్వాన్ని కలిగి ఉంటాయి. అయినప్పటికీ, లోతైన సంభాషణ పరస్పర చర్యల సమయంలో, స్వరం మరియు స్వరంలో మార్పులు మరింత స్పష్టంగా కనిపిస్తాయి. ఆండ్రాయిడ్ ఆటో ద్వారా కార్లలోని ఫీచర్ ఎంచుకున్న ఎంపికల అసలు లక్షణాలను కూడా మెరుగ్గా భద్రపరుస్తుంది.

Google ఈ ప్రవర్తనల గురించి విచారణలను స్వీకరించింది, అయితే ఈ సమయంలో గుర్తింపు లేదా పరిష్కారాల యొక్క అధికారిక నిర్ధారణ లేదు. వినియోగదారులు కాపెల్లాతో సహా అందుబాటులో ఉన్న విభిన్న స్వరాలను పరీక్షించడం కొనసాగిస్తున్నారు, కాలక్రమేణా ఏవి తక్కువ వైవిధ్యాన్ని చూపుతున్నాయో గుర్తించడానికి.

అందుబాటులో ఉన్న ఎంపికలు మరియు యాప్‌లో సర్దుబాట్లు

జెమిని లైవ్ బ్రిటీష్, న్యూట్రల్ అమెరికన్ మరియు ఇతర ప్రాంతీయ వైవిధ్యాలను అనుకరించే ఎంపికల వంటి విభిన్న స్వరాలు మరియు టోన్‌లతో అనేక అనుకూలీకరించదగిన స్వరాలను అందిస్తుంది. వ్యక్తిగత ప్రాధాన్యతలకు బాగా సరిపోయే సెట్టింగ్‌ను కనుగొనడానికి వినియోగదారులు నేరుగా యాప్ సెట్టింగ్‌లలో ఎంపికను మార్చవచ్చు. స్వరాలను మార్చడం ఎల్లప్పుడూ కాడెన్స్ సమస్యలను శాశ్వతంగా పరిష్కరించదు.

  • ఎంపికలలో ఎక్కువ లేదా తక్కువ పిచ్ లక్షణాలతో కూడిన వాయిస్‌లు ఉంటాయి.
  • కొన్ని ప్రారంభ సెషన్‌లలో ఎంచుకున్న యాసను మెరుగ్గా భద్రపరుస్తాయి.
  • యాప్‌ని రీసెట్ చేయడం వలన ఆశించిన ప్రవర్తనను తాత్కాలికంగా పునరుద్ధరించవచ్చు.
  • టెంప్లేట్ అప్‌డేట్‌లు వాయిస్‌ల మొత్తం పనితీరును ప్రభావితం చేస్తాయి.

ఈ లక్షణాలు ఎక్కువ అనుకూలీకరణకు అనుమతిస్తాయి, అయితే నివేదించబడిన అసమానతలు అభివృద్ధికి బాధ్యత వహించే సంస్థ ద్వారా సర్దుబాట్ల అవసరాన్ని హైలైట్ చేస్తాయి.

కాలక్రమేణా జెమిని లైవ్‌లో స్వరాల పరిణామం

గత కొన్ని నెలలుగా, పలు జెమిని లైవ్ వాయిస్ ఆప్షన్‌లు మాట్లాడే వేగం మరియు యాక్సెంట్‌ల మిశ్రమం వంటి అంశాలను మార్చే మార్పులకు లోనయ్యాయి. ఈ మార్పులు ప్రతిస్పందన వేగం మరియు సందర్భోచిత అవగాహనతో సహా AI మోడల్‌ల యొక్క ఇతర అంశాలలో మెరుగుదలలతో సమానంగా ఉంటాయి. ఇంటరాక్షన్‌లను మరింత ద్రవంగా మార్చే లక్ష్యంతో అప్‌డేట్‌లతో ఫీచర్ అభివృద్ధి చెందుతూనే ఉంది.

రోజువారీ పనులు లేదా ప్రాప్యత కోసం నిర్దిష్ట స్వరాలపై ఆధారపడే వినియోగదారులు వినియోగంపై ప్రత్యక్ష ప్రభావాలను చూస్తారు. సుదీర్ఘ సంభాషణలలో అసిస్టెంట్‌ని ఉపయోగించే వారికి ఆడియో ప్రివ్యూ మరియు వాస్తవ అమలు మధ్య స్థిరత్వం అనేది ఒక దృష్టి కేంద్రంగా ఉంటుంది. వాయిస్ పనితీరు గురించి వచ్చిన ఫీడ్‌బ్యాక్ ఆధారంగా Google సిస్టమ్‌ను మెరుగుపరుస్తుంది.

To Top