Smartfon jako nowoczesna krótkofalówka? Google przygotowuje praktyczną modyfikację dla swojego flagowego asystenta głosowego. Wewnętrzne pliki systemowe najnowszej wersji aplikacji na Androida skrywają tajemnicę, która może znacznie wpłynąć na codzienne interakcje ze sztuczną inteligencją. Deweloperzy pracują nad opcjonalnym systemem manualnego sterowania dźwiękiem, czerpiąc rozwiązanie z systemu, który wszyscy znamy z popularnych krótkofalówek. Nowość ma ułatwić głosową komunikację z asystentem w miejscach narażonych na wszechobecny hałas.
Głównym punktem programu Gemini Live jest w tej chwili płynna, w miarę możliwości naturalna konwersacja głosowa z asystentem. Narzędzie próbuje wiernie odwzorowywać ludzkie przyzwyczajenia, przez co bezustannie nasłuchuje otoczenie i pozwala na bezproblemowe przerywanie wypowiedzi bota w dowolnym momencie dialogu. Ciągle otwarte źródło mikrofonu staje się jednak ogromnym obciążeniem, gdy z asystenta chcemy skorzystać chociażby w zatłoczonym biurze. W głośnym otoczeniu algorytmy gwałtownie tracą rezonans. System próbuje na siłę analizować rozmowy współpracowników w tle oraz inne dochodzące odgłosy, po czym bezsensownie wplata przypadkowe słowa do generowanych odpowiedzi.
Powrót do korzeni, czyli styl walkie-talkie
Rozwiązaniem tego problemu ma być powrót do sprawdzonych, mechanicznych metod kontroli transmisji. Zespół redakcyjny Android Authority przeprowadził techniczną analizę architektury kodu ukrytego w najnowszym wydaniu aplikacji Google oznaczonym jako 17.38.5.sa.arm64. To właśnie tam natrafiono na ślady nieaktywnego jeszcze trybu Push-to-Talk (PTT). Nowy interfejs całkowicie zrywa z dotychczasowym układem graficznym, usuwając standardową ikonę nasłuchu. Wszystko na rzecz potężnego, umieszczonego w samym centrum ekranu przycisku mikrofonu.
Zasada działania ma być banalnie prosta. Aplikacja zarejestruje i prześle dane głosowe użytkownika wyłącznie wtedy, gdy ten będzie fizycznie przytrzymywać palec na ekranie. Wystarczy unieść dłoń, aby strumień audio został natychmiast przerwany. Dzięki temu żadne chaotyczne dźwięki z tła nie powinny przedostać się do modelu AI, co miałoby ułatwić czystą i bardziej precyzyjną komunikację.
Wielki przycisk zamiast ciągłego nasłuchu
Modyfikacja interfejsu została zaprojektowana w taki sposób, aby użytkownicy nie czuli się ograniczeni nowym formatem. Przy pierwszym uruchomieniu użytkownika powita systemowe okno pop-up, które w przystępny sposób powinno wyjaśnić działanie manualnego mechanizmu. Powrót do klasycznej konwersacji bez użycia rąk pozostanie jednak na wyciągnięcie ręki. W prawym górnym rogu okna aplikacji, gdzie do tej pory mogliśmy wyłącznie dokonywać zmiany głosu asystenta Gemini, pojawi się możliwość wyłączenia trybu krótkofalówki.
Kiedy funkcja ostatecznie wejdzie do ogólnodostępnego użytku, tego na obecnym etapie nie wiadomo. Analiza kodów oraz umieszczone przez redakcję serwisu AA zrzuty ekranu pozwalają jednak przypuszczać, iż nowy tryb konwersacji może pojawić się już niebawem.
Źródło: Android Authority / Zdj. otwierające: Google
