Quelques semaines seulement après avoir dévoilé son nouveau modèle d’IA phare, Gemini, destiné à concurrencer le ChatGPT d’OpenAI, Google a déjà donné un coup de fouet à cette technologie en la dotant de capacités de compréhension audio.
Selon un rapport d’Android Headlines, la dernière version 1.5 Pro de Gemini peut désormais ingérer, traiter et comprendre les données audio au-delà du texte et des images. Cette étape importante permet à Gemini de transcrire, de résumer et d’analyser des fichiers audio tels que des podcasts, des conférences, des appels à bénéfices et plus encore, directement à partir de la source audio d’origine.
Dans le contexte actuel, la plupart des outils de transcription et de résumé de l’IA s’appuient sur la conversion de l’audio en texte avant d’analyser le contenu. Mais Gemini 1.5 Pro supprime cette étape intermédiaire en comprenant l’audio à un niveau plus profond, ce qui peut améliorer la précision des réponses.
GEMINI PEUT COMPRENDRE VOTRE VOIX, OU D’AUTRES FICHIERS AUDIO
Les compétences audio améliorées élargissent considérablement l’utilité de Gemini dans toute une série de cas d’utilisation professionnelle et créative. Imaginez que vous puissiez télécharger l’enregistrement d’une réunion d’entreprise de trois heures et recevoir en quelques secondes un résumé concis des points clés et des actions à entreprendre, généré par l’IA.
Les podcasters et les créateurs audio pourraient utiliser Gemini pour l’analyse thématique, les notes de préparation d’émissions et même la création de contenu audio assistée par la compréhension de l’IA.
Les possibilités sont pratiquement infinies lorsque l’audio rejoint le texte et les images dans le répertoire de Gemini. Il s’agit d’un élément essentiel de la feuille de route de Google visant à faire de son modèle d’IA phare un véritable assistant multimodal capable de traiter n’importe quel type de données.
D’ailleurs, Google a récemment noué un partenariat avec un géant de la publicité, donc cette nouvelle fonctionnalité pourrait bien l’aider à créer de nouvelles annonces.
Google semble adopter une approche prudente et contrôlée dans un premier temps.
Pour l’instant, les nouvelles compétences audio de Gemini ne seront disponibles que via la plateforme de développement Vertex AI de Google et ses outils AI Studio, et non via le service disponible pour les consommateurs. Il s’agit d’une mesure prudente qui permettra à Google de valider rigoureusement la qualité et la robustesse des capacités audio de Gemini avant de les proposer à tous.
phandroid
