Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking

Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是 Google 语音对话模型，支持近实时对话、视觉上下文、工具调用与推理，助力开发者和企业构建语音代理，并打造覆盖 Gemini、Workspace 和 Search 的实时体验。

AI语音聊天生成器

AI语音助手

大语言模型

访问网站

Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking

概览

Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是 Google 的近实时语音交互模型。它们将对话交流与视觉落地、工具调用和推理相结合，让用户可以通过语音完成任务，而不必只依赖文字提示。

标准版 Live 面向流畅、可扩展的语音代理和快速对话响应。Live Extended Thinking 则面向需要多步推理的复杂工作流；它可以在任务进行期间继续讲话，并在后台任务推进时讲解进度。这些模型面向开发者和企业语音应用，也适用于 Gemini 应用、Google Workspace 和 Search 中的体验。

核心能力

自然的实时对话

该模型专为快速、流畅的语音交互而设计，定位于可扩展且具成本效益的语音代理工作负载。

近实时视觉落地

它可以近实时接收视觉上下文，使对话能够结合模型正在看到的内容，例如引导页面或棋盘。

多语言切换

Gemini 3.8 Live 可以在对话期间检测并切换 97 种受支持的语言。

后台任务执行

这些模型可以在确认请求并继续对话的同时，在后台执行工具和 API 调用。

实时进度与扩展推理

Extended Thinking 版本专为高复杂度任务而设计，可在进行多步推理并保持对话的同时，提供较早的口头提示和进度讲解。

语音代理开发生态

Gemini Live API 支持语音代理开发；Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 等平台则被列为支持开发与部署工作流的平台。

实际使用场景

对话式任务自动化
语音代理可以确认请求，在后台调用 API 或工具，并持续向用户提供信息，而不必让用户默默等待。这适用于预订及其他多步骤服务交互等工作流。
视觉化工作场所辅助
员工可以在入职或故障排查期间获得实时指导，同时模型近实时解读屏幕或其他视觉上下文。
生产级语音代理
开发者可以使用 Gemini Live API 和支持实时媒体的平台构建语音驱动界面，将重点放在交互设计上，而由这些平台处理流式传输基础设施。
复杂创作与规划
Extended Thinking 可以处理复杂计划，口头说明进度，并将语音指令转化为功能性 React 组件或业务规划材料等输出。
多语言对话
多语言对话可以在受支持的语言之间切换，无需手动更改模式，适用于包含语言变换的实时对话。

Pros and Cons

Pros

支持结合视觉上下文的自然、近实时语音对话。
可以在不中断对话的情况下于后台运行工具和 API 调用。
Extended Thinking 为复杂任务增加了多步推理、口头确认和进度讲解。
支持在对话期间自动切换 97 种语言。
通过 Gemini Live API 和 Google AI Studio 为开发者提供了有文档支持的使用路径。

Cons

所提供的发布材料未给出官方定价、方案限制、设置要求或完整的可用性详情。
文章介绍了基准测试结果和部分产品体验，但并未证明其适用于每种语音工作流或部署环境。
不同使用端的访问权限有所不同：来源分别描述了开发者访问和企业推出情况，因此应针对目标平台确认可用性。

FAQ

开发者可以在哪里使用 Gemini 3.8 Live？

Gemini 3.8 Live 可通过 Gemini API 和 Google AI Studio 供开发者使用。来源还表示，该模型正在 Gemini Enterprise 中逐步推出，但所提供文本中的更多企业可用性信息并不完整。

Gemini 3.8 Live 与 Live Extended Thinking 有什么区别？

Gemini 3.8 Live 面向快速、流畅的对话、视觉落地和可扩展的语音代理工作负载。Gemini 3.8 Live Extended Thinking 则面向更复杂的任务，适合需要多步推理和更深入任务完成能力的场景。

这些模型可以在处理任务时继续进行对话吗？

这些模型可以近实时处理视觉输入，在工具和 API 调用于后台运行时继续对话；在 Extended Thinking 模式下，还能在较长任务期间提供口头进度提示。

Gemini 3.8 Live 支持多少种语言？

根据发布文章，Gemini 3.8 Live 可以在对话期间自动检测并切换 97 种受支持的语言。

生成的音频带有水印吗？

Google AI 产品生成的音频带有 SynthID 水印。来源称，这是一种不可感知的水印，旨在帮助检测 AI 生成的音频。

Quick Facts

类别: AI 语音与对话模型
版本: Gemini 3.8 Live；Gemini 3.8 Live Extended Thinking
主要用户: 开发者、企业，以及 Gemini 应用、Workspace 和 Search 体验的用户
开发者访问方式: Gemini API 和 Google AI Studio
核心工作流: 结合视觉输入、后台工具和 API 调用的实时对话
音频来源标识: Google 表示，生成的音频带有 SynthID 水印