Updated on 四月 11 2024
谷歌最近在人工智能领域取得了重大进展，全球发布了备受期待的Gemini 1.5 Pro模型，该模型现已覆盖180多个国家和地区。此版本不仅延续了Gemini系列的卓越性能，还带来了多项重要升级，包括增强的音频理解能力和新功能，如系统指令和JSON输出，为开发者提供更强大、灵活的控制能力。
自两个月前在谷歌AI工作室进行的有限开发者测试以来，Gemini 1.5 Pro吸引了广泛关注，其令人印象深刻的1M上下文窗口和原生音频理解能力令人瞩目。全球发布预计将进一步加速各行业中AI技术的应用和发展。
在音频理解方面，Gemini 1.5 Pro能够从上传的视频帧和音频（语音）中进行推理，开启了音视频处理的新机会。开发者可以利用谷歌AI工作室和Gemini API对音频和视频数据进行深入分析，从而创建更智能、更高效的应用。
系统指令的引入使开发者能够通过定义角色、格式、目标和规则，精确引导模型的响应。这一增强不仅提高了模型的可控性，也提升了其适应性，使开发者能够根据特定用例定制响应。
为了满足对结构化数据的需求，Gemini 1.5 Pro现在支持JSON输出，方便通过JSON对象从文本或图像中提取结构化数据。开发者可以使用cURL进行数据调用，未来还计划支持Python SDK，以简化数据处理工作流程。
此外，Gemini 1.5 Pro在功能调用方面也进行了改进。开发者现在可以选择不同模式来限制模型的输出，增强可靠性和准确性。无论是文本生成、功能执行，还是仅用于功能调用，开发者均有灵活性根据具体需求进行调整。
谷歌还推出了下一代文本嵌入模型text-embedding-004/text-embedding-preview-0409，该模型在MTEB基准测试中表现优异，超越了现有的同类模型。这一新嵌入模型为文本处理和分析提供了更高效的工具。
总之，Gemini 1.5 Pro的发布标志着谷歌在AI技术领域的又一次重要突破。凭借音频理解、系统指令和JSON输出等新功能，该模型为开发者提供了强大而灵活的工具，预计将推动AI在各个领域的广泛应用。我们期待基于Gemini 1.5 Pro的创新应用，能够提升我们的日常生活。
Find AI tools in YBX
谷歌与出版商合作，利用生成性AI创建新闻内容，涉及年协议数万美元。这项计划主要针对小型出版商，通过汇总报道生成新文章。参与者需每天发布三篇文章并进行营销，使用AI生成文本的可靠性由编码系统指示。谷歌表示希望支持记者，而非取代他们。
排行榜
