Google zavádí novou AI funkci do Dokumentů Google: zvuková shrnutí vytvořená pomocí Gemini rychle převedou hlavní myšlenky textu do mluvené podoby. Uživatelé tak mohou poslouchat místo čtení – ať už při dojíždění, nebo mezi schůzkami.
Společnost Google začala v Dokumentech Google, svém textovém editoru integrovaném s Diskem, zavádět novou funkci umělé inteligence, která slibuje, že bude docela užitečná. Aplikace nyní využívá Gemini, asistenta umělé inteligence společnosti Google, k vytváření zvukového shrnutí obsahu dokumentu, i když to není něco, co budou moci používat všichni uživatelé.
Není to první funkce v tomto směru v aplikaci Dokumenty. V loňském roce Google spustil čtečku v aplikaci, rovněž založenou na Gemini, která dokázala číst celé dokumenty. Přidání souhrnů dále rozšiřuje možnosti textového editoru s umělou inteligencí a zapadá do strategie společnosti, která chce z Workspace udělat sadu „s podporou umělé inteligence“, kde uživatel může méně číst a více poslouchat nebo delegovat opakující se úkoly.
Podle společnosti zvuková shrnutí „poskytují stručný slovní přehled obsahu dokumentu, včetně několika klíčových bodů„. Obvykle trvají několik minut a používají přirozený styl hlasového projevu, podobný tomu, který používá společnost Gemini ve své vlastní aplikaci. Na rozdíl od úplného čtení zde umělá inteligence identifikuje hlavní myšlenky, seskupuje informace a přeskupuje je tak, aby dávaly smysl v mluvené podobě, která se blíží tomu, co by dělal jeden člověk, když vysvětluje text druhému.
Uživatelé si mohou tato shrnutí generovaná umělou inteligencí do jisté míry přizpůsobit, vybrat si různé hlasy nebo upravit rychlost přehrávání. K dispozici jsou mimo jiné styly vypravěč, přesvědčovací a kouč. Toto přizpůsobení není jen estetické: neutrálnější tón může být vhodnější pro formální zprávy, zatímco styl „kouč“ může být vhodnější pro interní příručky, školení nebo dokumenty v oblasti lidských zdrojů.
Chcete-li získat přístup ke zvukovým shrnutím ve webové verzi, přejděte do nabídky Nástroje > Zvuk a vyberte novou možnost Poslechnout si shrnutí dokumentu. Po provedení této volby se zobrazí malý přehrávač s časovou osou, ze kterého si můžete přehrát shrnutí aktuálního dokumentu. Ve stejném přehrávači můžete přehrávání pozastavit, přetáčet zpět nebo vpřed, měnit rychlost a v některých případech přepínat mezi různými hlasy, aniž byste museli shrnutí znovu generovat.
Zdroj: Youtube.com
Funkce je také integrována s mobilní aplikací Dokumenty Google. V telefonech s operačním systémem Android a iOS se přehrávač zobrazuje ve spodní části obrazovky a umožňuje poslouchat shrnutí, zatímco děláte něco jiného, například prohlížíte samotný dokument nebo přepínáte do jiné aplikace. Dokumenty se tak stávají jakýmsi osobním „podcastem“ dokumentů, což může být užitečné zejména pro ty, kteří dojíždějí do práce veřejnou dopravou nebo využívají prostoje k dohánění informací.
Google začal tuto funkci zavádět celosvětově ve čtvrtek a předpokládá, že proces bude dokončen přibližně za 15 dní. Jak už to u nových funkcí Workspace bývá, zavádění je postupné: nejprve do vybraných domén a regionů a poté se rozšíří i do ostatních. Je třeba poznamenat, že zvukové souhrny s podporou AI v Dokumentech Google nejsou dostupné všem uživatelům, protože přístup k nim mají předplatitelé služeb AI a podnikových plánů. Stejně jako u ostatních funkcí AI se očekává, že se nakonec dostane i k uživatelům bezplatných účtů Google, ačkoli společnost prozatím neuvedla konkrétní datum.
V praxi to znamená, že funkce je určena, alespoň prozatím, pro profesionální a vzdělávací prostředí. Společnosti pracující s dlouhými zprávami, poradenské firmy, právní týmy nebo marketingová oddělení mohou zvukové souhrny využít k rychlému projití dlouhých dokumentů před schůzkou nebo ke sdílení „poslouchatelné“ verze zprávy s manažery, kteří nemají čas ji číst celou.
Ve školství mohou zvuková shrnutí využít učitelé k rychlejšímu přezkoumání studentských prací nebo studenti, kteří nemají dostatek času, k získání přehledu o tématu předtím, než se mu budou věnovat hlouběji. Mohou být také další pomůckou pro osoby s poruchami čtení nebo zraku a doplnit tak nástroje pro přístupnost, které jsou v Dokumentech Google již přítomny.
Jak fungují zvuková shrnutí Gemini v aplikaci Dokumenty
Společnost Google neuvádí podrobnosti o všech technických aspektech, ale vysvětluje, že funkce se opírá o Gemini for Workspace, tedy o stejnou technologii, která se již používá k vytváření textů, shrnutí dokumentů v písemné podobě nebo generování inteligentních odpovědí v aplikaci Gmail. Obecně lze říci, že proces probíhá ve třech krocích:
- Analýza dokumentu: Gemini identifikuje klíčové části, nadpisy, seznamy a odstavce. Bere také v úvahu komentáře a v dokumentech s více sekcemi (např. propojené dokumenty nebo sekce) se pokouší poskytnout přehled.
- Vytvoření shrnutí: AI vytvoří zhuštěný text s hlavními myšlenkami. Toto shrnutí není prostým výběrem vět z dokumentu, ale přeformulováním do přímějšího a kratšího jazyka.
- Převod na řeč: tento text je předán systému převodu textu na řeč, který používá neuronové hlasy podobné těm, které se již používají v jiných produktech společnosti Google, jako je čtečka obrazovky systému Android nebo samotný Gemini.
Výsledkem je zvuk, který by teoreticky měl respektovat celkový tón dokumentu a nevymýšlet si informace. I přesto společnost Google upozorňuje, že jako každý generativní systém umělé inteligence se může dopustit chyb nebo vynechat důležité nuance, takže nedoporučuje spoléhat se při rozhodování o kritických otázkách pouze na shrnutí.
Omezení, soukromí a zabezpečení
Jednou z častých otázek v souvislosti s tímto typem funkcí je, co se stane s daty. Společnost Google ve své dokumentaci k sadě Workspace uvádí, že obsah podnikových zákazníků je spravován na základě stejných závazků týkajících se zabezpečení a ochrany osobních údajů jako zbytek sady a v placených plánech sady Workspace není bez souhlasu zákazníka používán k trénování obecných modelů.
V praxi to znamená, že dokumenty, které jsou shrnuty ve zvukovém záznamu, jsou zpracovávány na serverech společnosti Google, ale jsou uchovávány v rámci zásad ochrany údajů Workspace, které zahrnují šifrování při přenosu a v klidovém stavu, řízení přístupu a audit pro správce. Přesto v organizacích se zvláště citlivými informacemi (např. v právnických firmách nebo zdravotnických společnostech) budou manažeři IT pravděpodobně tuto funkci před jejím povolením pro všechny uživatele přezkoumávat.
Existují také technická omezení. Google uvádí, že zvukové souhrny jsou určeny pro dokumenty střední až dlouhé délky, nikoli však nekonečné. Extrémně dlouhé dokumenty s mnoha vloženými obrázky nebo velmi složitým formátováním mohou mít za následek méně přesné souhrny nebo delší dobu generování. Kromě toho je funkce v současné době zaměřena na text: obrázky, grafy nebo tabulky nejsou podrobně popsány, pokud samotný dokument neobsahuje titulky nebo textové vysvětlivky.
Výhody oproti tradičnímu čtení
Užitečnost zvukových shrnutí přesahuje pouhé pohodlí. Pro mnoho lidí je poslech efektivnějším způsobem zpracování určitých informací, zejména pokud jde o zachycení celkového kontextu tématu. Mezi nejzřetelnější využití patří např:
- Příprava na jednání: Poslech shrnutí poznámek nebo zápisu z předchozího jednání cestou do kanceláře.
- Procházení dlouhých zpráv: Manažeři nebo vedoucí týmů, kteří potřebují rychlý přehled, než se rozhodnou, které části si přečíst podrobněji.
- Interní školení: Proměňte příručky nebo průvodce ve zvukové shrnutí, které lze poslouchat během dne.
- Přístupnost: Nabídka další alternativy pro osoby s potížemi se čtením, dyslexií nebo únavou zraku.
Oproti klasickým nástrojům pro hlasité čtení je klíčový rozdíl v tom, že zde nečtete vše, ale jen to nejdůležitější. Tím se zkracuje doba potřebná k získání představy o obsahu a blíží se tomu, co nabízejí jiné platformy pro shrnutí, například služby, které zhušťují knihy nebo dlouhé články do několika minut.
Srovnání s jinými řešeními a úloha Gemini
Google není jedinou společností, která tuto oblast zkoumá. Například společnost Microsoft nabízí funkce shrnutí a hlasitého čtení ve Wordu a ve svém asistentu Copilot pro Microsoft 365, i když integrace v podobě konkrétního zvukového shrnutí je zatím omezenější a závisí na konfiguraci každé organizace. Existují také rozšíření prohlížeče a služby třetích stran, které převádějí webové stránky nebo soubory PDF na zvuková shrnutí.
Rozdíl návrhu společnosti Google spočívá v tom, že vše se odehrává v rámci Dokumentů, aniž by bylo nutné soubor exportovat nebo nahrávat na jinou platformu. Navíc je založen na modelu Gemini, stejném, který Google integruje do produktů, jako jsou Gmail, Tabulky a Prezentace. To umožňuje, že v budoucnu bude například možné zvukový souhrn kombinovat s dalšími funkcemi: písemnými shrnutími, návrhy úprav nebo dokonce automatickým překladem samotného zvuku.
Google už ostatně v jiných sděleních pokročil v tom, že jeho cílem je, aby Gemini fungoval jako jakási inteligentní vrstva nad všemi dokumenty Workspace: dokázal je číst, shrnovat, odpovídat na otázky týkající se obsahu a nově také nahlas předčítat.
Co můžeme očekávat ve střednědobém horizontu
Prozatím jsou zvuková shrnutí v Dokumentech Google poměrně jednoduchou funkcí: stisknete tlačítko, počkáte několik sekund a posloucháte. Je však logické, že v případě dobrého přijetí Google přidá pokročilejší možnosti, jako např:
- Shrnutí sekcí: Generování zvukového záznamu pouze kapitoly nebo určité části dokumentu.
- Přizpůsobená shrnutí: Požádejte o „techničtější“, „kratší“ nebo „manažersky orientované“ shrnutí, což už lze provést v textu pomocí Gemini.
- Integrace s úkoly: Poslechněte si shrnutí a ze stejného přehrávače označte nevyřízené akce nebo vytvořte upomínky v Úkolech Google nebo Kalendáři.
- Automatický překlad: Generování shrnutí v jiném jazyce, než je původní dokument, což je užitečné pro mezinárodní týmy.
Zatím funkce nabízí již něco velmi konkrétního: úsporu času pro ty, kteří pracují s dlouhými textovými dokumenty a nechtějí nebo nemají čas je číst celé nebo si poslechnout celé čtení dokumentu, aby získali představu o jeho obsahu. Jak Google vysvětluje ve své publikaci, zvuková shrnutí „vám pomohou rychle se zorientovat a pochopit nejdůležitější části obsahu. Můžete tak například dohnat své poznámky před schůzkou nebo shrnout dlouhou zprávu a během několika minut se dostat k nejdůležitějším bodům„.
Uvidíme, zda se Google rozhodne tuto funkci zavést i pro bezplatné osobní účty, a hlavně, jak zapadne do ekosystému, kde stále více uživatelů očekává, že umělá inteligence za ně bude nejen psát, ale také jim sdělí, co napsali ostatní.
Windows 10 končí, ale Google přichází s elegantním řešením
AI gigant v podezření: Altmanův pakt s armádou bez transparentnosti
Budoucnost je jasná: Apple míří do světa chytrých brýlí
Mac se po 49 dnech bez vypnutí chová jako prehistorické Windows 95
Dům, který inspiroval Cluedo, existuje: A je blízko Londýna
Zmizelé ostrovy existují: Jeden se právě vynořil v Antarktidě
Revoluce na střeše: Solární tašky, které nikdo nepozná
Návrat z vesmíru: Skutečná výzva pro astronauty Artemis II začíná až po přistání
Vesmírná podívaná po 170 000 letech: Nenechte si ji ujít
