O Google anunciou uma atualização significativa para seus modelos de áudio Gemini, com foco principal no **Gemini 2.5 Flash Native Audio**. A novidade promete revolucionar a forma como os agentes de voz de Inteligência Artificial interagem, tornando as conversas mais naturais, fluidas e capazes de lidar com fluxos de trabalho complexos. Além disso, a gigante de Mountain View está expandindo as capacidades de tradução em tempo real do Google Tradutor, integrando a tecnologia do Gemini para preservar o tom e a cadência da voz original.

A atualização, anunciada em 15 de dezembro de 2025, posiciona o Google na vanguarda da comunicação por voz assistida por IA, abrindo portas para uma nova geração de assistentes virtuais e soluções de comunicação global. O modelo aprimorado já está sendo implementado em produtos como o Gemini Live e o Search Live, e está disponível para desenvolvedores via Google AI Studio e Vertex AI.

O que há de novo no Gemini 2.5 Flash Native Audio?

O aprimoramento do **Gemini 2.5 Flash Native Audio** concentra-se em três pilares principais para melhorar a experiência do usuário e a eficácia dos agentes de voz:

• Chamada de Função Mais Precisa (Sharper Function Calling): O modelo agora é mais confiável ao acionar funções externas. Isso significa que ele pode identificar com mais precisão quando buscar informações em tempo real durante uma conversa e integrar esses dados de volta à resposta de áudio sem quebrar o fluxo. Em testes internos, o modelo alcançou uma pontuação de 71,5% no ComplexFuncBench Audio, uma avaliação que mede a chamada de função em várias etapas com restrições variadas.
• Seguimento Robusto de Instruções (Robust Instruction Following): A capacidade do modelo de seguir instruções complexas foi aprimorada, resultando em maior satisfação do usuário. Com uma taxa de adesão às instruções do desenvolvedor de 90% (um aumento de 6% em relação às versões anteriores), ele oferece resultados mais confiáveis e completos.
• Conversas Mais Suaves (Smoother Conversations): Houve ganhos significativos na qualidade da conversação em várias rodadas. O Gemini 2.5 Flash Native Audio consegue recuperar o contexto de turnos anteriores de forma mais eficaz, criando diálogos mais coesos e naturais.

Clientes do Google Cloud já estão utilizando as capacidades de áudio nativo do Gemini para impulsionar resultados de negócios, desde o processamento de hipotecas até o atendimento ao cliente, destacando a naturalidade e a inteligência conversacional aprimorada do modelo.

Tradução em Tempo Real com Emoção e Tom

Além dos agentes de voz, o Gemini está transformando a comunicação global com a introdução de novos recursos de tradução de fala para fala em tempo real. Essa funcionalidade, que está sendo lançada em beta no aplicativo Google Tradutor, é projetada para lidar com escuta contínua e conversas bidirecionais.

A grande inovação é a capacidade de realizar a **transferência de estilo**, preservando a entonação, o ritmo e o tom de voz do falante original. Isso garante que a tradução soe natural e transmita não apenas o significado das palavras, mas também a emoção por trás delas. A tradução ao vivo do Gemini suporta mais de 70 idiomas e 2000 pares de idiomas, combinando o conhecimento de mundo do modelo com suas capacidades de áudio nativo.

Como a nova tradução de voz do Gemini funciona?

A tradução de fala ao vivo do Gemini oferece recursos essenciais para o mundo real:

• Cobertura Abrangente: Traduz fala em mais de 70 idiomas e 2000 pares de idiomas.
• Transferência de Estilo: Captura a nuance da fala humana, preservando a entonação, o ritmo e o tom do falante.
• Entrada Multilíngue: Entende vários idiomas simultaneamente em uma única sessão, permitindo acompanhar conversas multilíngues sem a necessidade de alterar as configurações de idioma.
• Detecção Automática: Identifica o idioma falado e inicia a tradução automaticamente.
• Robustez contra Ruído: Filtra o ruído ambiente, permitindo conversas confortáveis mesmo em ambientes barulhentos.

A experiência beta está sendo lançada para dispositivos Android nos EUA, México e Índia, com suporte para iOS e mais regiões a serem adicionados em breve. A expectativa é que essa funcionalidade seja expandida para mais produtos do Google, incluindo a API Gemini, em 2026.

O Futuro da Interação por Voz com a IA do Google

A evolução do Gemini 2.5 Flash Native Audio e a integração da tradução de voz com transferência de estilo no Google Tradutor marcam um ponto de inflexão na interação entre humanos e Inteligência Artificial. Ao tornar a comunicação por voz com a IA indistinguível de uma conversa humana, o Google não apenas aprimora a experiência do usuário, mas também pavimenta o caminho para a eliminação das barreiras linguísticas em tempo real. Essa tecnologia tem o potencial de transformar o atendimento ao cliente, a educação e a comunicação pessoal em escala global. Para saber mais sobre as inovações da empresa, confira nosso artigo sobre a correção da falha GeminiJack que afetava o Gemini.

**Palavras:** 605