Lo que dicen los clientes
Los clientes de Google Cloud ya están utilizando las capacidades de audio nativas de Gemini para generar resultados comerciales reales, desde el procesamiento de hipotecas hasta las llamadas de los clientes.
“Los usuarios a menudo olvidan que están hablando con IA al minuto de usar Sidekick y, en algunos casos, han agradecido al bot después de una larga conversación… Nuevas capacidades de IA Live API ofrecidas a través de Gemini [2.5 Flash Native Audio] empoderar a nuestros comerciantes para que ganen”. – David Wurtz, vicepresidente de producto, Shopify “Al integrar el modelo Gemini 2.5 Flash Native Audio… hemos mejorado significativamente las capacidades de Mia desde su lanzamiento en mayo de 2025. Esta poderosa combinación nos ha permitido generar más de 14,000 préstamos para nuestros socios corredores”. – Jason Bressler, director de tecnología, United Wholesale Mortgage (UWM) “Trabajar con el modelo Gemini 2.5 Flash Native Audio a través de Vertex AI permite a los recepcionistas de Newo.ai AI lograr una inteligencia conversacional inigualable… Pueden identificar al orador principal incluso en entornos ruidosos, cambiar de idioma en mitad de una conversación y sonar notablemente natural y emocionalmente expresivo”. – David Yang, cofundador de Newo.ai
Traducción de voz en vivo
Gemini ahora admite de forma nativa nuevas capacidades de traducción de voz a voz en vivo diseñadas para manejar tanto la escucha continua como la conversación bidireccional.
Con escucha continua, Gemini traduce automáticamente el habla en varios idiomas a un único idioma de destino. Esto le permite ponerse los auriculares y escuchar el mundo que le rodea en su idioma.
Para una conversación bidireccional, la traducción de voz en vivo de Gemini maneja la traducción entre dos idiomas en tiempo real, cambiando automáticamente el idioma de salida según quién esté hablando. Por ejemplo, si hablas inglés y quieres chatear con un hablante de hindi, escucharás traducciones al inglés en tiempo real en tus auriculares, mientras que tu teléfono transmite hindi cuando termines de hablar.
La traducción de voz en vivo de Gemini tiene una serie de capacidades clave que ayudan en el mundo real:
Cobertura de idiomas: traduce el habla en más de 70 idiomas y 2000 pares de idiomas combinando el conocimiento mundial y las capacidades multilingües del modelo Gemini con sus capacidades de audio nativo. Transferencia de estilo: captura los matices del habla humana, preservando la entonación, el ritmo y el tono del hablante para que la traducción suene natural. Entrada multilingüe: comprende varios idiomas simultáneamente en una sola sesión, lo que le ayuda a seguir conversaciones multilingües sin necesidad de manipular la configuración del idioma. Detección automática: identifica el idioma hablado y comienza traducción, por lo que ni siquiera necesita saber qué idioma se habla para comenzar a traducir. Robustez del ruido: filtra el ruido ambiental para que pueda conversar cómodamente incluso en ambientes ruidosos al aire libre.