Google تطلق نموذجين جديدين من Gemini للمحادثة الصوتية

أعلنت Google عن نموذجين جديدين للحوار المباشر موجّهين للتفاعل الصوتي: Gemini 3.8 Live وGemini 3.8 Live Extended Thinking. النموذجان متاحان من اليوم عبر واجهة Gemini API وGoogle Workspace وتطبيق Gemini.

يعالج Gemini 3.8 Live المدخلات البصرية بزمن شبه فوري، ويكتشف تلقائيًا 97 لغة مدعومة وينتقل بينها في منتصف الحديث. كما ينفذ الأدوات واستدعاءات API في الخلفية، فيقرّ بالطلب ويواصل الحديث حتى تكتمل المهمة.

أما نسخة Extended Thinking فتفكر وتتحدث في الوقت نفسه. وتقول الشركة إنها تستخدم إشارات كلامية مبكرة مثل "دعني أتحقق من ذلك..." للإقرار بالطلب، وتسرد للمستخدم تقدّم المهام المتعددة الخطوات التي تعمل في الخلفية.

نتائج الاختبارات

وفق ما نشرته Google، تصدّر Gemini 3.8 Live Extended Thinking مؤشر Speech to Speech Quality Index الصادر عن Artificial Analysis بنتيجة 82.6. وفي إتمام المهام الوكيلة (agentic) حصل على 68.6% في τ-Voice و35.1% في اختبار τ-Voice-banking من Sierra، و97.7% في Big Bench Audio.

وحلّ Gemini 3.8 Live ثانيًا في Speech Agent Arena، وتصفه Google بأنه خيار فعّال من حيث التكلفة ومبني للتوسع. وقد شُغّل اختبار EVA-Bench الخاص بـServiceNow لتقييم الوكلاء الصوتيين على Live API في Gemini Enterprise Agent Platform.

الشركاء

تشمل منصات المطورين التي تستخدم Gemini Live API كلًا من Agora وFishjam وLangChain وLiveKit وPipecat وVercel وVision Agents. وأشارت Google إلى تعاونها مع Salesforce وGenspark وLumeris، التي أبرزت زمن الاستجابة وسلاسة الحوار وقدرات استدعاء الأدوات.

وفي Workspace يمكن تجربة Extended Thinking داخل Docs Live وGmail Live وKeep Live. وتُوسم كل المقاطع الصوتية المولَّدة بعلامة SynthID.

التفاصيل في إعلان Google DeepMind.