Google vừa chính thức công bố Gemini 3.8 Live và Gemini 3.8 Live Extended Thinking, hai model tiên tiến nhất của hãng trong lĩnh vực đối thoại giọng nói. Những cải tiến lớn về trí tuệ nhân tạo và khả năng suy luận song song giúp các model này trở nên trực quan hơn trong việc cộng tác và thực thi các tác vụ phức tạp chỉ bằng giọng nói của người dùng.
Theo Google, các model mới có khả năng xử lý ngắt quãng, tự động chuyển đổi mượt giữa 97 ngôn ngữ ngay trong cuộc trò chuyện và xử lý trực quan theo thời gian thực. Phiên bản Extended Thinking nổi bật với khả năng suy luận và phát biểu đồng thời, đạt 82.6 điểm trên Artificial Analysis Speech to Speech Quality Index và dẫn đầu về tác vụ agentic trên bộ benchmark τ-Voice với 68.6%, đáp ứng tiêu chuẩn khắt khe cho doanh nghiệp.
Đặc biệt, hệ thống sử dụng các tín hiệu lời nói ban đầu như “Let me check that…” để thông báo trạng thái, giúp duy trì luồng hội thoại tự nhiên trong khi các tác vụ API chạy ngầm. Người dùng có thể trải nghiệm ngay lập tức thông qua Gemini API, Google Workspace và ứng dụng Gemini trên các thiết bị.
Sự ra mắt của dòng model giọng nói thế hệ mới này đánh dấu bước tiến quan trọng trong việc xây dựng các voice agent có độ tin cậy cao. Tại Việt Nam, công nghệ này mở ra tiềm năng lớn cho việc ứng dụng trợ lý ảo tiếng Việt vào dịch vụ khách hàng, tự động hóa công việc văn phòng và giáo dục trực tuyến một cách mượt mà, tự nhiên nhất.
Nguồn: Hacker News — Biên dịch & tổng hợp: danhbaai.com