Google выпустила свою улучшенную модель голоса Gemini 3.8 и я решил попробовать её на голосовом тренажере. Помните, я писал, что сделал голосовой ИИ-тренажер для того, чтобы имитировать реальные диалоги с клиентами для менеджера по продажам. Мой предыдущий тренажер держится на Elevenlabs — лучшей ИИ модельке для голосов. Лучшей и самой дорогой 🥲 Поэтому я все время ищу альтернативы. Попробовал Gemini и был просто в шоке от скорости. Она работает просто молниеносно. Но есть нюнс. Бляха, как всегда. Модель каждый раз, когда мы говорим что-то "хавает весь диалог заново". Получается, такая петрушка: Мы говорим привет. Она нам отвечает привет. Мы говорим как дела, но модель читает "привет, + привет + как дела", то есть первая фраза из истории диалога приклеивается, чтобы модель не теряла контекст. Но каждый токен который мы отправляем нейросети стоит денег и такой диалог становится пиздецки дорогим уже спустя три минуты диалога. Кэширование. Есть такой прием, который позволяет закэшировать неизменную часть диалога. Она есть во всех современных нейронках. Как раз чтобы не платить за токены, которые мы постоянно отправляем в нейронку. А тут их нет. Молниеносная скорость работы. Просто посмотрите на видео. Это реально вау. Но бессмысленно. Жаль.