„Google DeepMind“ atvejo analizė apie Cue yra vienintelis išorinis įrodymas apie mūsų produktą, todėl jį cituojame mes ir kiti. Šiame įraše išdėstoma, kas sakoma puslapyje, kad citatas būtų galima patikrinti. Puslapis yra adresu deepmind.google/models/gemma/gemmaverse/cue-ai; jo skaičiai pažymėti kaip aktualūs 2026 m. gegužės mėn.
Kas buvo matuota
- Vidutinis Cue diktanto nušlifavimo žingsnio uždelsimas sumažėjo nuo 876 ms iki 488 ms po to, kai šis žingsnis buvo perkeltas iš debesijos modelio į Gemma 4 E4B, veikiantį vietoje per Ollama. Puslapyje tai vadinama 44 procentų sumažėjimu.
- Matavimas buvo atliktas „Apple Silicon“ (M serijos) įrenginiuose per Ollama, naudojant 227 realių balso pavyzdžių „benchmark“, apimantį anglų kalbos ir mišrios kalbos įvestį.
- Diktavimas vienam vartotojui padidėjo maždaug 30 procentų, matuojant tarp aktyvių beta versijos vartotojų per keturias savaites prieš ir po to, kai vietinis modelis tapo numatytuoju.
- Ribinės nušlifavimo žingsnio išskaičiavimo išlaidos sumažėjo iki nulio, o tai, kaip nurodoma puslapyje, yra priežastis, kodėl diktavimas yra neribotas visuose planuose, įskaitant nemokamą.
Kas kur veikia, pasak puslapio
- Vartotojas nuspaudžia ir laiko spartųjį klavišą ir kalba. Garsas transkribuojamas į neapdorotą tekstą naudojant debesijos kalbos pavertimo tekstu paslaugą.
- Neapdorotas tekstas siunčiamas į Gemma 4, veikiantį vietoje vartotojo kompiuteryje per Ollama, su maždaug 400 ženklų sistemos užklausa, kuri atkuria skyrybos ženklus, segmentuoja sakinius ir pašalina žodžius-užpildus.
- Jei Ollama neveikia, paleidimo metu stalinė programėlė tai aptinka ir nukreipia nušlifavimo veiksmą į debesijos modelį.
- Cue agento režimas remiasi debesijos modeliu. Puslapyje pranešama apie ankstyvus Gemma 4 funkcijos iškvietimo vertinimus savarankiškoms užduotims ir apibūdinami jie kaip ankstyvi.
Taigi „local“ tame puslapyje reiškia vieną vienos funkcijos veiksmą. Transkripcija yra debesijoje; agentas yra debesijoje; nušlifavimas pagal numatytuosius nustatymus yra lokalus, su atsarginiu variantu debesijoje.
Kaip mes tai cituojame
Pagrindiniame puslapyje naudojami du skaičiai iš jo: 488 ms, sumažėjus nuo 876 ms, ir sakinys, kad Cue yra „a voice-activated AI agent that lives on the user's desktop.“ Abu yra puslapyje būtent tokiais žodžiais. Pagrindiniame puslapyje taip pat rodomas 45 sekundžių trukmės Gemma komandos pokalbio segmentas, kuriame pranešėjas sako, kad įsitraukimas išaugo 30 procentų; rašytiniame atvejo tyrime sakoma, kad išaugo funkcijos naudojimas. Mes spausdiname rašytinį skaičių ir pažymime skirtumą šalia segmento.
Ko tai nepatvirtina
- Tai nėra produkto atsiliepimas ir jame neteigiama nieko apie transkripcijos tikslumą ar agento užduočių sėkmę.
- Jame aprašytas 227 pavyzdžių benchmark yra privatus Cue ir nėra skelbiamas. Mūsų viešas duomenų rinkinys, Voice Agent Benchmark Landscape, yra kitas dalykas: tai kitų žmonių viešų benchmark žemėlapis be jokių balų.
- Jo skaičiai yra datuoti 2026 m. gegužės mėn. Cue versija, išleista po šios datos, puslapyje neaprašoma.
Skaičių puslapyje užfiksuota, kaip delsos skaičius naudojamas pagrindiniame puslapyje, o įrodymų puslapyje pateikiamas atvejo tyrimas kartu su viskuo, kas buvo paskelbta apie mūsų produktus.