Google 发布两款实时语音对话模型 Gemini 3.8 Live

Google 发布了两款面向语音交互的实时对话模型：Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。两款模型自今日起可通过 Gemini API、Google Workspace 以及 Gemini 应用使用。

Gemini 3.8 Live 以接近实时的速度处理视觉输入，自动识别其支持的 97 种语言，并可在对话中途切换。它还能在后台执行工具和 API 调用，先确认用户请求并继续聊天，任务在后台完成。

Extended Thinking 版本可以边推理边说话。据 Google 介绍，该模型会用“我查一下……”这类提前给出的口头提示来回应请求，并在多步后台任务执行过程中向用户实时讲述进度。

测评成绩

Google 公布的数据显示，Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 的 Speech to Speech Quality Index 上以 82.6 分位列总榜第一。在智能体（Agent）任务完成度方面，它在 τ-Voice 上取得 68.6%，在 Sierra 的 τ-Voice-banking 基准上取得 35.1%，在 Big Bench Audio 上为 97.7%。

Gemini 3.8 Live 在 Speech Agent Arena 中排名第二。Google 称其成本效率较高，面向规模化部署。用于评估语音智能体的 ServiceNow EVA-Bench 测试，是在 Gemini Enterprise Agent Platform 的 Live API 上运行的。

生态与集成

使用 Gemini Live API 的开发者平台包括 Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents。Google 表示还在与 Salesforce、Genspark 和 Lumeris 合作，这些公司提到了模型的延迟表现、对话流畅度和工具调用能力。

在 Workspace 一侧，用户可在 Docs Live、Gmail Live 和 Keep Live 中试用 Extended Thinking。模型生成的全部音频均带有 SynthID 水印。

更多细节见 Google DeepMind 的公告。