Gemini 3.8 Live – 谷歌推出的原生實時語音對話模型

Gemini 3.8 Live是什麼

Gemini 3.8 Live 是谷歌推出的實時語音對話模型系列，包括Gemini 3.8 Live 面向規模化部署，兼顧對話智能、視覺理解與成本效益；Gemini 3.8 Live Extended Thinking 強化多步推理，可邊推理邊語音播報進度。模型全系採用原生語音對語音架構，支持 97 種語言自動切換與後台異步工具調用，登頂 Artificial Analysis 語音質量指數，生成音頻帶 SynthID 水印，已面向開發者、企業和普通用戶推送。

Gemini 3.8 Live的主要功能

• 實時語音對話：以原生語音對語音方式對話，響應接近實時，在 Speech Agent Arena 用戶偏好度排名第二。
• 異步工具調用：在後台執行 API 和工具調用，同時持續向用戶播報語音回覆，不打斷對話。
• 視覺理解：近實時處理攝像頭畫面，爲對話提供視覺上下文。
• 多語言切換：支持 97 種語言，對話中自動檢測並無縫切換語種。
• 字母數字高精度：準確解析確認碼、理賠號等技術性字符串數據。
• 增量內容更新：將實時音頻與結構化數據無縫融合，返回上下文感知的響應。

Gemini 3.8 Live的技術原理

• 端到端語音對語音架構：模型摒棄了”語音識別→文本大模型→語音合成”的傳統級聯管道，直接用音頻到音頻的方式處理輸入輸出，顯著降低延遲並保留語調、語速等聲學細節，是此前 Gemini 3.1 Flash Live 架構路線的延續升級。
• 並行推理與”邊想邊說”：Extended Thinking 變體採用異步推理機制，在後台進行多步思考的同時繼續流式輸出語音，通過”讓我確認一下…”這類早期口頭提示先確認請求，再實時播報任務進度，實現推理與發言並行而不凍結對話。
• 可配置思考預算：Extended Thinking 支持開發者按需配置思考強度檔位，在複雜任務上投入更多後台推理算力，在簡單對話中壓低延遲與成本，官方定價爲音頻輸入 0.005 美元/分鐘、輸出 0.018 美元/分鐘。
• 全鏈路內容水印：所有生成音頻嵌入 SynthID 隱形水印，直接織入音頻信號本身，即使經過剪輯或壓縮仍可被檢測，用於防範語音僞造與虛假信息傳播。

如何使用Gemini 3.8 Live

• 開發者：可在 Gemini API 和 Google AI Studio 中使用。
• 企業用戶：Gemini Enterprise 私有預覽中開放。
• 所有用戶：可在 Search Live 中體驗。

• 開發者：可在 Gemini API 和 Google AI Studio 中使用。
• 企業用戶：Gemini Enterprise 私有預覽中開放，即將登陸 Gemini Enterprise for Customer Experience 及 Google Workspace 企業客戶。
• 所有用戶：可在 Gemini Live 中體驗；Google AI Pro 和 Ultra 訂閱者可在 Workspace 的 Docs 中使用，所有 Google AI 訂閱者可在 Gmail 和 Keep 中體驗。

Gemini 3.8 Live的核心優勢

• 端到端語音架構：原生語音對語音處理，相比級聯方案延遲更低、更保留語調等聲學細節。
• 成本效益突出：音頻輸入 0.005 美元/分鐘、輸出 0.018 美元/分鐘，適合大規模部署。
• 異步工具調用：後台執行 API 和函數調用，同時持續語音回覆，多步任務不打斷對話。
• 視覺實時理解：可近實時處理攝像頭畫面，實現”能聽會看”的語音智能體。
• 97 種語言自動切換：對話中自動檢測並無縫切換語種，覆蓋全球用戶。
• 並行推理能力：Extended Thinking 變體邊推理邊說，以”讓我確認一下…”等口頭提示保持對話流暢。
• 基準領先：Extended Thinking 登頂 Artificial Analysis 語音質量指數（82.6），Big Bench Audio 得分 97.7%。

Gemini 3.8 Live的同類競品對比

Gemini 3.8 Live的應用場景

• 員工入職指導：通過攝像頭實時視覺理解，新員工可邊操作邊語音提問，AI 即時解答流程問題。
• 智能客服與銀行業務：結合異步函數調用完成多步驟業務辦理，在後台處理時實時播報進度，對應 τ-Voice-banking 基準測試場景。
• 出行與預訂助手：用戶語音提出多條件需求後，AI 在後台異步調用訂票、酒店 API，邊查詢邊保持自然對話不中斷。
• 編程與設計協作：開發者對着草圖語音描述需求，Extended Thinking 邊推理邊生成可用的 React 組件代碼。
• 實時故障排查：用戶在 Search Live 中語音描述問題，AI 結合視覺畫面逐步語音指導排查與修復。