🧰 Criadores desenvolvendo com Gemini Audio
Autoria: Google for Developers · Assistir no YouTube
Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.
Idioma original: inglês
Vídeo original: 🧰 Builders building with Gemini Audio · Canal: Google for Developers · 00:34 · Assistir no YouTube
Tópicos: Aplicações empresariais de IA, Avaliação e benchmarks de IA, Geração de conteúdo com IA, Modelos de IA
Os participantes contam como experimentam os modelos Lyria e os veem como parceiros na criação musical. Um deles descreve o Reachy Mini conectado ao Gemini 3.8 na nuvem por WebSockets. Também discutem o uso de Gemini Live ou de um modelo Gemma para ajudar uma pessoa com deficiência visual a perceber o que está à sua frente, inclusive em ambientes sem Wi-Fi. Por fim, elogiam a resposta rápida do áudio ao vivo, o Extended Thinking e o desempenho dos modelos em um benchmark de fala para fala.
Pontos-chave
Seção intitulada “Pontos-chave”- Um participante considera os modelos Lyria parceiros na criação musical.
- O Reachy Mini usa um cliente Gemini 3.8 conectado por WebSockets ao modelo na nuvem.
- Gemini Live ou um modelo Gemma podem ser usados para descrever por voz o que está diante de uma pessoa com deficiência visual.
- Os modelos Gemma são destacados como adequados a ambientes sem conexão Wi-Fi.
- O áudio ao vivo permite respostas rápidas e coleta de contexto em tempo real.
- O Extended Thinking permite manter um processo em execução em segundo plano durante outra conversa.
- MAviS Bench compara modelos de fala para fala, e o participante elogia o desempenho dos modelos avaliados.
Capítulos
Seção intitulada “Capítulos”| Início | Capítulo | Resumo |
|---|---|---|
| 00:02 | Lyria e criação musical | Um participante descreve os modelos Lyria como parceiros em seu processo de criação musical. |
| 00:34 | Gemini 3.8 e Reachy Mini | É descrita a conexão do cliente Gemini 3.8 do Reachy Mini à versão do modelo executada na nuvem. |
| 00:34 | Acessibilidade, áudio ao vivo e benchmark | Os participantes falam de acessibilidade por voz, uso sem Wi-Fi, Extended Thinking e resultados no MAviS Bench. |
Citações
Seção intitulada “Citações”Gosto de pensar nele mais como um parceiro para a minha criação musical. — 00:02
O Reachy Mini tem um cliente Gemini 3.8 que se conecta por WebSockets ao Gemini 3.8 em execução na nuvem. — 00:02
Eu estava pensando em usar Gemini Live ou um modelo Gemma para usar a voz e realmente ver o que está à frente dela. — 00:02
Um agent consegue responder muito rápido e reunir contexto em tempo real. — 00:34
Vocês estão se saindo muito bem. — 00:34
Conceitos e entidades
Seção intitulada “Conceitos e entidades”- Lyria (modelo): Família de modelos mencionada como parceira para a criação musical.
- Gemini 3.8 (modelo): Modelo citado como executado na nuvem e conectado ao Reachy Mini por WebSockets.
- Reachy Mini (ferramenta): Dispositivo que, segundo o vídeo, tem um cliente Gemini 3.8 conectado à nuvem.
- WebSockets (conceito): Tecnologia de conexão usada pelo cliente do Reachy Mini para se comunicar com o Gemini 3.8 na nuvem.
- Gemini Live (modelo): Opção mencionada para usar voz e ajudar uma pessoa com deficiência visual a identificar o que está à sua frente.
- Gemma (modelo): Família de modelos considerada adequada também a ambientes sem conexão Wi-Fi.
- Extended Thinking (conceito): Recurso elogiado por permitir que um processo continue em segundo plano enquanto outra conversa acontece.
- MAviS Bench (conceito): Benchmark apresentado para comparar modelos de fala para fala.
Tradução completa (pt-BR)
Seção intitulada “Tradução completa (pt-BR)”00:02 Como você tem experimentado os modelos Lyria? — Sou muito fã deles. Gosto de pensar neles mais como parceiros na criação da minha música. — Este é o Gemini 3.8, e o Reachy Mini tem um cliente Gemini 3.8 que se conecta por WebSockets ao Gemini 3.8 em execução na nuvem. — Estou trabalhando agora com alguém que tem deficiência visual. Pensei em usar o Gemini Live ou um modelo Gemma para que ela pudesse usar a voz para realmente enxergar o que está à sua frente. — Conversamos sobre os modelos Gemma. Eles são perfeitos porque
00:34 em alguns ambientes, talvez não haja conexão Wi-Fi. — Estamos adorando como o áudio ao vivo está funcionando agora. Um agent consegue responder muito rápido e reunir o contexto em tempo real. — Adoro o recurso Extended Thinking de vocês. É muito legal poder deixar um processo de longa duração rodando em segundo plano enquanto você conversa sobre algo que não tem relação com a chamada assíncrona de ferramenta que está acontecendo. Lançamos recentemente um benchmark chamado MAviS Bench, no qual avaliamos vocês junto com alguns outros modelos de fala para fala, e vocês estão se saindo incrivelmente bem.
Transcrição original
[00:02] How have you been experimenting with the Lyria models? - I’m a big fan of them. I’d like to think it more as a partner. for my music creation. - This is Gemini 3.8, and Reachy Mini has a Gemini 3.8 client which is connecting through WebSockets to Gemini 3.8 running in the cloud. - I’m working with somebody right now that has some visual impairment. I was thinking of using Gemini Live or a Gemma model to be able to use voice to actually see what’s in front of her. - We discussed Gemma models. They are perfect because
[00:34] in some environments you might not have a Wi-Fi connection. - We’re loving how live audio is feeling now. It’s, you know, an agent can respond really quickly it gathers the context in real time. - I love your guys’ Extended Thinking feature. That’s very cool that you can have a long running process go in the background while you have conversation that’s not related to the async tool call that’s going on. We recently released a benchmark called MAviS Bench where we benchmarked you guys along with a couple of other speech-to-speech models, and you guys are absolutely killing it.