Google představil vylepšení modelu Gemini 2.5 Flash Native Audio, který se zaměřuje na lepší zpracování hlasových konverzací. Tento model teď zvládá složité pracovní postupy, lépe chápe pokyny od uživatelů a vede přirozenější dialogy. V aplikacích jako je Google AI Studio nebo Vertex AI dokáže model spolehlivěji volat externí funkce, aby získal aktuální informace během rozhovoru a zapojil je do odpovědi bez přerušení. V testu ComplexFuncBench Audio dosáhl skóre 71,5 %, což je nejlepší výsledek mezi srovnatelnými modely.
Model se teď lépe drží instrukcí, s úspěšností 90 % oproti dřívějším 84 %, a zlepšil se i v udržování kontextu přes více kol konverzace. To znamená, že když mluvíte s Gemini Live nebo Search Live, odpovědi jsou plynulejší a více souvisí s tím, co jste řekli předtím. Například v Search Live teď můžete společně promýšlet nápady v reálném čase, jako byste mluvili s expertem, a model si pamatuje detaily z předchozích otázek.
Živé překlady řeči přímo do sluchátek
Jedna z největších novinek je živý překlad řeči, který Gemini přináší do aplikace Google Translate. Tato funkce umožňuje streamovat překlady v reálném čase přímo do sluchátek, přičemž zachovává intonaci, tempo a výšku hlasu mluvčího. Funguje to ve dvou režimech: kontinuální poslouchání, kde model překládá řeč z více jazyků do jednoho cílového, takže slyšíte svět kolem sebe ve svém jazyce, nebo dvoucestná konverzace, kde se překlad automaticky přepíná podle toho, kdo mluví.
Příklad: Pokud mluvíte anglicky a chcete si popovídat s někým, kdo hovoří hindsky, uslyšíte anglický překlad ve sluchátkách, zatímco váš telefon vysílá hindštinu, když domluvíte. Model podporuje přes 70 jazyků včetně češtiny a 2000 jazykových párů, automaticky detekuje jazyk, filtruje okolní hluk a zvládá smíšené jazyky v jedné relaci bez nutnosti měnit nastavení.
Tato beta verze je zatím v aplikaci Google Translate na Androidu v USA, Mexiku a Indii, s podporou pro iOS a další země v roce 2026. Stačí připojit sluchátka, otevřít appku a klepnout na "Live translate".
