Do aplikace Gemini míří vynikající funkce! Nově je možné nahrát audio soubory a to i bezplatně

Aplikace Gemini konečně dostala podporu pro nahrávání audio souborů, což je funkce, kterou uživatelé žádali od samého začátku. Pikantní na tom je, že v API byla dostupná už dva roky a v AI Studio fungovala od vydání modelu 2.5 Pro. Jen v samotné aplikaci prostě… nebyla.

Podle Googlu šlo o nejžádanější funkci vůbec. Což dává smysl – kdo by nechtěl nechat AI přepsat hodinu dlouhou nahrávku z meetingu nebo analyzovat podcast?

Jak na to? Stačí kliknout na plus

Používání je prosté jako facka. Na mobilu otevřete menu s pluskem a vyberete „Soubory“, na webu pak „Nahrát soubory“. Aplikace spolkne prakticky jakýkoliv audio formát – MP3, M4A, WAV a spoustu dalších. Pak stačí napsat, co s nahrávkou chcete udělat.

Tady ale přichází první háček. Bezplatní uživatelé mohou nahrát maximálně 10 minut audia. Pokud máte předplatné Google AI Pro nebo Ultra, limit se zvedá na 3 hodiny. To už je rozdíl, který stojí za zvážení, zejména pokud pravidelně pracujete s delšími nahrávkami.

Co všechno Gemini spolkne?

Audio soubory nejsou jediné, co můžete do Gemini nahrát. Aplikace už dříve podporovala videa – 5 minut zdarma nebo hodinu s předplatným, maximálně 2 GB. Zajímavější je podpora pro vývojáře:

• Složka s kódem nebo GitHub repozitář – až 5000 souborů do 100 MB
• ZIP soubory – maximálně 10 souborů uvnitř
• Ostatní formáty – jednotlivé soubory do 100 MB

Celkově můžete do jednoho chatu nahrát až 10 souborů jakéhokoliv formátu. To není špatné, i když konkurence někdy nabízí víc.

Proč to sakra trvalo tak dlouho?

Uživatelé na Redditu si právem kladou otázku – proč funkce dostupná v API dva roky nebyla v aplikaci? Odpověď je pravděpodobně prozaická. Google potřeboval zajistit dostatečnou výpočetní kapacitu pro miliony uživatelů. Jedna věc je nabídnout funkci vývojářům přes API, druhá je škálovat ji pro masy.

Navíc, jak poznamenal jeden uživatel, problém nebyl v modelu samotném, ale v uživatelském rozhraní aplikace. Google prostě potřeboval čas na implementaci. Což je trochu ostudné pro firmu, která se chlubí svými AI schopnostmi na každém rohu.

První dojmy? Překvapivě dobré

Podle prvních ohlasů funkce funguje překvapivě přesně. Jeden uživatel testoval analýzu písně s hodně zkreslením a Gemini dokázalo rozpoznat nástroje i text, byť s občasnými vtipnými přeslechnutími. Pro transkripci běžných nahrávek nebo analýzu podcastů by to mělo být více než dostačující.

Samozřejmě ne všem funguje hned – někteří uživatelé hlásí problémy se zpracováním souborů. To je ale u postupného rozjezdu nových funkcí Googlu bohužel standard. Hlavní je, že funkce konečně existuje. I když s dvouletým zpožděním.

V době psaní článku sice nebyla na redakčním Pixelu 10 Pro dostupná, ale to se podle všeho za pár hodin změní.

Využijete možnosti nahrání audio souborů do Gemini?

Zdroj: 9to5google