Google a dévoilé Gemini 1.5, la nouvelle version de son IA, en février et détaille aujourd’hui la possibilité d’écouter des fichiers audio, comme des appels ou l’audio d’une vidéo. Cela permet de comprendre une information sans avoir obligatoirement un format écrit.
Gemini 1.5 Pro est déjà aussi puissant que le modèle Ultra et a récemment bénéficié d’une amélioration significative : une fenêtre contextuelle pouvant contenir jusqu’à 1 million d’éléments. Cela signifie que vous pouvez lui fournir des prompts d’environ 700 000 mots, plus de 30 000 millions de lignes de code, 11 heures de contenu audio ou 1 heure de contenu vidéo.
Aujourd’hui, l’IA est disponible en test pour les utilisateurs professionnels via la plateforme de développement Vertex AI. Ils peuvent envoyer des fichiers audio de n’importe quel type et demander à l’IA des informations basées sur ces fichiers.
La prise en charge des fichiers audio ouvre de nombreuses portes. Pour les entretiens et les appels vidéo par exemple, cela peut améliorer la capacité à se souvenir des détails. Cette fonction facilite aussi la transcription.
Google a par ailleurs mis à jour Imagen 2, son modèle de génération d’images à partir d’un texte. Il prend désormais en charge l’inpainting et l’outpainting, qui permettent d’ajouter ou de retirer des objets d’une photo. Les images générées prendront également en charge le filigrane numérique SynthID. Il s’agit d’un autre produit Google qui ajoute un filigrane invisible aux images générées par l’IA afin d’en identifier l’origine.
Enfin, Google testera un moyen d’améliorer les réponses de l’IA avec son moteur de recherche afin que les réponses contiennent des informations actualisées.
