2026. szeptember 26., szombat · Eszközök

A Google új Gemini-funkciói: beszélő avatar és telefonálás helyetted

A Google bemutatta a Gemini 3.8 Live „Live Avatar” funkcióját, amely egy animált AI-alakot jelenít meg valós idejű beszélgetés közben: az avatar szinkronizált szájmozgással és arckifejezésekkel reagál, és a Google szerint 97 nyelv között tud váltani anélkül, hogy a videóminőség romlana. A funkció egyelőre csak Gemini Enterprise ügyfeleknek érhető el, a cég saját vagy testre szabott avatarokat kínál, és minden kimenetet láthatatlan SynthID vízjellel lát el. Ezzel párhuzamosan a Google a „Call for Me” nevű funkciót teszteli, amellyel a Gemini a felhasználó nevében hív fel cégeket – például foglalást intéz vagy készletet ellenőriz –, ez egyelőre csak Pixel 11 amerikai tulajdonosoknak érhető el fizetős Gemini-előfizetéssel és a Telefon-app béta verziójával. A két fejlesztés különböző felhasználási területet céloz: az egyik vállalati vizuális interakciót, a másik hétköznapi telefonos ügyintézést automatizál.

Miért fontos?

A SynthID vízjel és az „identitás tiszteletben tartására” hivatkozó védőintézkedés azt jelzi, hogy a Google már most számol a beszélő AI-avatarok megszemélyesítésre való visszaélésével, míg a Call for Me a hagyományos telefonos ügyfélszolgálati interakciókat helyettesítheti automatizált hívásokkal.

Források

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglaló

Ez a hír a 2026. szeptember 26., szombat napi AI összefoglaló része.

Kapcsolódó hírek

A Google kibővíti a Gemini tanulási funkcióit iskolakezdésre

A Google új, dedikált diák-központot indít a Geminiben, amely egy helyen gyűjti a kutatási anyagokat, felszólítókártyákat és gyakorló kvízeket készít, valamint a tanmenet alapján automatikusan felviheti a vizsgaidőpontokat a Google Naptárba. A Gemini Live mostantól Deep Research funkciót is kap: a felhasználó összetett kutatási jelentést kérhet, amit a háttérben készít el a rendszer, majd értesítést küld, ha kész, és a végén meg is beszélhető vele az eredmény. A Google mobilalkalmazásban a Lens funkció a közeljövőben fotó alapján segít a feladatok megoldásában, hibák azonosításában. Emellett a Search is új AI-alapú tanulási eszközöket kap, például interaktív vizualizációkat és egyedi gyakorló kvízeket. Az amerikai diákok egy évre ingyen kapnak Google AI Pro előfizetést, míg az Egyesült Államokon kívüliek a korlátozottabb AI Plus csomaghoz férhetnek hozzá.

Az OpenAI közös token-keretet vezet be a ChatGPT és a Codex között

A The Decoder egy frissített OpenAI támogatási oldalra hivatkozva azt írja, hogy decembertől a Plus, Pro és Business előfizetések egyetlen közös token-keretet osztanak meg a ChatGPT és a Codex között. Az OpenAI ezzel olvasztja be a Work agentikus funkcióit a fő ChatGPT felületbe, amit korábban már bejelentett. A felhasználók a Beállításokban láthatják a fennmaradó keretet és a frissítés idejét; a limit elérésekor várhatnak a megújulásra, előfizetést válthatnak, vagy extra kreditet vásárolhatnak. Az Instant modellel folytatott beszélgetések nem számítanak bele a keretbe, így papíron marad a fix áras szolgáltatás, de a lap szerint az intenzív használat az olcsóbb csomagokon várhatóan gyengébb minőségű válaszokat eredményez majd. A cikk szerint a lépés feltehetően egyrészt a magasabb árú csomagok nemrég megduplázott limitjeire épít, másrészt valószínűleg válasz a ChatGPT egyre bonyolultabbá váló kezelőfelületét ért kritikákra.

Az NVIDIA TensorRT Edge-LLM egyszerűsíti az edge AI-fejlesztést a DGX Sparkon

Az NVIDIA bemutatta a TensorRT Edge-LLM nevű könnyűsúlyú C++ futtatókörnyezetet, amely a vállalat szerint lehetővé teszi, hogy fejlesztők néhány paranccsal AI-modelleket futtassanak és teszteljenek a most 64GB-os kiépítésben elérhető NVIDIA DGX Spark gépen. A trtedge parancssori eszköz letölti a kiválasztott modellt és optimalizált TensorRT motorokat épít, a cég bemutatója szerint a Nemotron-3.5 Lightning modellel néhány lépésben chat-munkamenet indítható, illetve OpenAI-kompatibilis API-kiszolgáló is futtatható helyben. Az NVIDIA közlése szerint a DSpark nevű spekulatív dekódolási módszer három draft tokennel a HumanEval promptokon átlagosan 73,4-ről 126,9 tokenre növelte a másodpercenkénti generálási sebességet, miközben a csúcsmemória-használat 27,9GB maradt. Ugyanez a futtatókörnyezet a vállalat szerint a fejlesztői DGX Sparkról közvetlenül átvihető a Jetson Thor, a DRIVE AGX Thor és az IGX Thor beágyazott платформokra.

A Netflix elosztott rendszerként kezeli a GPU-k megbízhatóságát

A Netflix saját cikkében bemutatta, hogyan épít megbízhatósági platformot nagy léptékű GPU-alapú tréning- és következtetési feladatokhoz. A vállalat szerint a rendszer többrétegű hardverellenőrzéseket (NVIDIA DCGM, hálózati adapter-figyelés), automatikus hibajavítást és hibatűrő tréninget kombinál Kubernetes és Karpenter alapon, hogy egyetlen hibás GPU vagy lassú gép ne állítsa meg a hetekig futó, több száz GPU-t használó modellbetanítást. A Netflix adatai szerint ezzel 99,95% feletti GPU-csomópont-rendelkezésre állást és a feladatok sikerességi arányának körülbelül 98%-ról 99,5% fölé emelését érték el. A platform checkpointingot, rugalmas workereket és az NVIDIA Multi-Instance GPU (MIG) technológiáját is használja, hogy a kisebb következtetési feladatok megosztva, izolált memóriával futhassanak egy GPU-n.