GeminiNano功能使PixelRecorder应用的参与度提高了24%
Google的PixelRecorder应用以其语音备忘录功能而闻名，尽管它具有录制会议和讲座的潜力，但主要用于简短的备忘录
。然而，自从该应用的开发人员转向GeminiNano(一种功能强大的设备内置大型语言模型(LLM))以来，人们现在越来越多地使用Recorder应用。这种集成引入了一项由AI驱动的音频摘要功能，可帮助用户更轻松地找到正确的录音并快速掌握要点。
本月初，GeminiNano进行了升级，引入了新的多模态模型。录音机应用程序已经利用这一增强功能来更好地总结较长的语音录音，从而改进语法和细微差别的处理。
录音机用户现在平均每天使用新的人工智能摘要功能2到5次，从而使保存的录音总数增加了24%。此功能显著提高了应用程序参与度和用户保留率。录音机团队还报告说，对新功能的反馈是积极的，许多用户对它为他们节省的时间表示赞赏。
录音机开发人员最初探索了基于云的解决方案，实现了高性能和高质量。然而，为了提高用户的可访问性和隐私性，他们选择了设备端方法。GeminiNano的开发提供了一个理想的机会，可以创建简洁的音频摘要，同时确保数据处理仍在设备上进行。
在设备上使用LLM对用户来说是有益的，因为它为他们提供了更多的隐私、更少的延迟，并且由于不需要互联网，它可以在他们需要的任何地方工作。
为了提高结果，Recorder利用低阶自适应(LoRA)使用特定于其用例的数据对模型进行了微调。这使得GeminiNano能够一致地生成转录的三要点摘要，包括发言人姓名、关键要点和主题。
录音机开发人员集成了最新的GeminiNano模型(称为具有多模态性的GeminiNano)，以增强其在Pixel9设备上的摘要功能。与Pixel8设备上的前代产品相比，这款新模型更大、更先进，提供了更好的功能、准确性和可扩展性。它还支持更多标记，使录音机能够摘要比以前更长的转录本。目前，具有多模态性的GeminiNano仅在Pixel9设备上可用。
为了充分利用新型号的功能，录音机开发人员扩展了数据集以包含更长的语音录音，改进了评估方法，并制定了以语法和细微差别为重点的发布标准指标。
标签：