Google ujawnia ukryte modele AI Gemini Live przed I/O 2026

Od 10 maja 2026 roku przypadkowe przeszukiwanie aplikacji Google ujawniło siedem niewydanych modeli AI Gemini Live. Kody obejmowały A2A_Rev25_RC2, A2A_Nitrogen_Rev23 i kilka wariantów A2A_Capybara. Wydają się być wyspecjalizowanymi silnikami audio-do-audio oraz rozumowania, zauważonymi zaledwie dzień przed dużą prezentacją na I/O. Czas sugeruje, że Google przyspiesza swój wewnętrzny rytm zamiast czekać na dopracowane zapowiedzi. Być może poświęciłem więcej czasu na grzebanie w menu beta niż było to konieczne, ale wzorzec jest jasny: przyrostowe, ukierunkowane aktualizacje pojawiają się szybciej niż zwykłe sześciomiesięczne cykle.

Szczerze mówiąc, te kody wskazują na poważne ulepszenia w obsłudze głosu w czasie rzeczywistym i rozumowaniu kontekstowym. Modele audio-to-audio powinny zmniejszyć opóźnienia, jednocześnie poprawiając personalizację, pozwalając twórcom wprowadzić krótką próbkę głosu i uzyskać spójną charakterystykę postaci w klipach. Warstwy rozumowania prawdopodobnie poprawiają zrozumienie promptów dla złożonych scen, redukując zwykłe ping-pongowanie, które spowalnia generowanie wideo i audio. Tak, wiem, jak to brzmi, ale praktyczne korzyści dla każdego, kto tworzy treści dialogowe lub narracyjne, są trudne do zignorowania.

Szybkie iteracje, takie jak ujawnienia modeli Gemini Live od Google, są dokładnie tym, co napędza narzędzia multimodalne nowej generacji dla twórców, umożliwiając bardziej precyzyjną kontrolę nad realistycznym generowaniem wideo, audio i treści interaktywnych. Szerszy kalendarz wydań w tym roku był niezwykle gęsty, z wyspecjalizowanymi wariantami pojawiającymi się obok flagowych wydań. Dla twórców wiadomość jest prosta: narzędzia zmierzają w kierunku granularnej kontroli zamiast uniwersalnych modeli. Podobne postępy w multimodalnej AI są już stosowane w tworzeniu treści dla dorosłych, jak omówiono w eksperckiej analizie Seedance 2.0.

Zacznij eksperymentować z dzisiejszymi funkcjami głosowymi Gemini Live, podczas gdy nowe warianty się gotują. Przetestuj krótkie sceny dialogowe i zanotuj, gdzie personalizacja nadal zawodzi. Ta pętla informacji zwrotnych pomoże Ci ruszyć z miejsca, gdy aktualizacje się pojawią. Będę szczery: bycie na czele polega mniej na czekaniu na idealny model, a bardziej na doskonaleniu promptów w oparciu o obecne ograniczenia. Przepaść między tym, co ukryte, a tym, co publiczne, szybko się zmniejsza.