Google lanzó Géminis en vivo Durante su evento Made By Google en Mountain View, California, el martes. La función permite tener una conversación hablada seminatural, no escrita, con un chatbot de IA impulsado por el último modelo de lenguaje de gran tamaño de Google. TechCrunch estuvo allí para probarlo de primera mano.
Gemini Live es la respuesta de Google a Modo de voz avanzado de OpenAIuna función casi idéntica a ChatGPT que se encuentra actualmente en una prueba alfa limitada. Si bien OpenAI se adelantó a Google al realizar una demostración de la función primero, Google es el primero en implementar la función finalizada.
En mi experiencia, estas funciones verbales de baja latencia se sienten mucho más naturales que enviar mensajes de texto con ChatGPT o incluso hablar con Siri o Alexa. Descubrí que Gemini Live respondió a las preguntas en menos de dos segundos y pudo cambiar de tema con bastante rapidez cuando lo interrumpieron. Gemini Live no es perfecto, pero es la mejor manera de usar el teléfono con manos libres que he visto hasta ahora.
Cómo funciona
Antes de hablar con Gemini Live, la función te permite elegir entre 10 voces, en comparación con las tres voces de OpenAI. Google trabajó con actores de doblaje para crear cada una. Aprecié la variedad y encontré que cada una sonaba muy humana.
En un ejemplo, un gerente de productos de Google le pidió verbalmente a Gemini Live que buscara bodegas aptas para familias cerca de Mountain View con áreas al aire libre y parques infantiles cerca, para que los niños pudieran ir. Es una tarea mucho más complicada de lo que le pediría a Siri (o a Google Search, francamente), pero Gemini recomendó con éxito un lugar que cumplía con los criterios: Cooper-Garrod Vineyards en Saratoga.
Dicho esto, Gemini Live deja algo que desear. Parecía alucinar con un parque infantil cercano llamado Henry Elementary School Playground, que supuestamente está «a 10 minutos» de ese viñedo. Hay otros parques infantiles cerca en Saratoga, pero la escuela primaria Henry más cercana está a más de dos horas en coche desde allí. Hay una escuela primaria Henry Ford en Redwood City, pero está a 30 minutos de distancia.
A Google le gustaba mostrar cómo los usuarios podían interrumpir a Gemini Live a mitad de una frase y la IA cambiaba de tema rápidamente. La empresa afirma que esto permite a los usuarios controlar la conversación. En la práctica, esta función no funciona a la perfección. A veces, los directores de proyectos de Google y Gemini Live hablaban al mismo tiempo y la IA no parecía captar lo que se decía.
Cabe destacar que Google no permite que Gemini Live cante o imite ninguna voz fuera de las 10 que ofrece, según el gerente de producto Leland Rechis. Es probable que la empresa esté haciendo esto para evitar problemas con la ley de derechos de autor. Además, Rechis dijo que Google no está enfocado en lograr que Gemini Live comprenda la entonación emocional en la voz de un usuario, algo que OpenAI promocionó durante su demostración.
En general, la función parece una excelente manera de profundizar en un tema de forma más natural que con la simple búsqueda de Google. Google señala que Gemini Live es un paso en el camino hacia Proyecto Astrael modelo de IA totalmente multimodal que la compañía presentó durante Google I/O. Por ahora, Gemini Live solo es capaz de realizar conversaciones de voz, sin embargo, en el futuro Google quiere agregar comprensión de video en tiempo real.
