Googleova aplikacija bazirana na vještačkoj inteligenciji, Gemini, dobila je značajnu nadogradnju koja uvodi podršku za rad sa zvukom, čime je postala pravi multimodalni sistem sposoban za obradu teksta, slika, videa i audio zapisa.
Nova funkcija omogućava korisnicima da učitavaju audio materijale za analizu i transkripciju. Besplatni korisnici mogu obraditi do 10 minuta po zahtjevu, dok pretplatnici na Google AI Pro i AI Ultra pakete dobivaju pristup čak tri sata zvuka i mogućnost slanja do deset fajlova odjednom. Podržani su formati MP3 i WAV, a olakšano je i učitavanje ZIP arhiva.
U praksi, Gemini može automatski transkribovati, sažeti i analizirati audio sadržaje, što korisnicima omogućava efikasnu obradu sastanaka, predavanja ili intervjua bez dodatnih aplikacija. Sve funkcije dostupne su na Android i iOS uređajima, kao i na veb platformi.
Ovom nadogradnjom, Gemini postaje centralni alat za obradu različitih formata podataka, spajajući tekst, slike, video i zvuk u jedno integrisano iskustvo. Google ovim potezom jasno pokazuje ambiciju da Gemini postane nezaobilazno rješenje za poslovne, obrazovne, kreativne i istraživačke potrebe korisnika širom svijeta.
