Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking

Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 是 Google 近即時語音對話模型，支援視覺情境、工具使用與推理，協助開發者及企業打造語音代理與 Gemini、Workspace、Search 的即時體驗。

AI語音聊天生成器

AI語音助理

大型語言模型

訪問網站

Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking

概覽

Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 是 Google 用於近即時語音互動的模型。它們結合對話、視覺情境理解、工具使用與推理，讓使用者可以透過語音處理任務，而不必只依賴文字提示。

標準版 Live 模型適合流暢、可擴展的語音代理與快速對話回應。Live Extended Thinking 則適用於需要多步驟推理的較高要求工作流程；它能在處理工作時持續對話，並隨背景任務推進以語音敘述進度。這些模型面向開發者與企業語音應用，也用於 Gemini 應用程式、Google Workspace 和 Search 中的體驗。

核心功能

自然的即時對話

此模型專為快速、流暢的語音互動而設計，定位為可擴展且具成本效益的語音代理工作負載。

近即時視覺情境理解

它能近即時接收視覺情境，讓對話納入模型正在看到的內容，例如導覽畫面或棋盤。

多語言切換

Gemini 3.8 Live 能在對話期間偵測 97 種支援的語言，並在語言之間切換。

背景任務執行

這些模型可以在回應請求並持續對話的同時，在背景執行工具與 API 呼叫。

搭配即時進度的延伸推理

Extended Thinking 版本專為高複雜度任務而設計，能在對話時進行多步驟推理，並提供較早的語音提示與進度敘述。

語音代理開發生態系

Gemini Live API 支援語音代理開發；Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel 和 Vision Agents 等平台則被列為可支援開發與部署工作流程的平台。

實際使用情境

對話式任務自動化
語音代理可以確認請求，在背景呼叫 API 或工具，並持續讓使用者掌握進度，無須讓使用者無聲等待。這適合預訂及其他多步驟服務互動等工作流程。
視覺化工作場所協助
員工可以在導覽或疑難排解期間獲得即時引導，同時模型近即時解讀畫面或其他視覺情境。
正式環境語音代理
開發者可以使用 Gemini Live API 和支援即時媒體的平台來打造語音驅動介面，將重點放在互動設計上，並由這些平台處理串流基礎架構。
複雜創作與規劃
Extended Thinking 能處理複雜規劃，以語音說明進度，並將語音指示轉換為可運作的 React 元件或商業規劃資料等輸出。
多語言對話
多語言對話可以在支援的語言之間切換，無須手動變更模式，適合涉及語言切換的即時對話。

Pros and Cons

Pros

支援結合視覺情境的自然、近即時語音對話。
能在不中斷對話的情況下於背景執行工具與 API 呼叫。
Extended Thinking 為複雜任務加入多步驟推理、語音確認與進度敘述。
支援在對話期間於 97 種語言之間自動切換。
透過 Gemini Live API 和 Google AI Studio，為開發者提供有文件說明的使用途徑。

Cons

提供的發布資料未包含官方定價、方案限制、設定需求或完整的可用性詳細資訊。
文章說明了基準測試結果與特定產品體驗，但未證實其在每種語音工作流程或部署環境中的效能。
不同使用介面的存取情況有所差異：來源分別說明開發者存取與企業推出情況，因此應確認目標平台的可用性。

FAQ

開發者可以在哪裡使用 Gemini 3.8 Live？

Gemini 3.8 Live 可透過 Gemini API 和 Google AI Studio 提供開發者使用。來源也指出其正逐步推出至 Gemini Enterprise，但提供的文字未完整說明後續企業可用性資訊。

Gemini 3.8 Live 與 Live Extended Thinking 有何不同？

Gemini 3.8 Live 適用於快速、流暢的對話、視覺情境理解與可擴展的語音代理工作負載。Gemini 3.8 Live Extended Thinking 則適用於需要多步驟推理與更深入完成任務能力的複雜工作。

這些模型能在處理任務時繼續對話嗎？

這些模型可以近即時處理視覺輸入，在工具和 API 呼叫於背景執行時持續對話；而在 Extended Thinking 中，還能在較長的任務期間提供語音進度提示。

Gemini 3.8 Live 支援多少種語言？

根據發布文章，Gemini 3.8 Live 會在對話期間自動偵測並切換 97 種支援的語言。

生成的音訊會加上浮水印嗎？

Google AI 產品生成的音訊會以 SynthID 加上浮水印。來源將其描述為不易察覺的浮水印，用於協助偵測 AI 生成的音訊。

Quick Facts

類別: AI 語音與對話模型
版本: Gemini 3.8 Live；Gemini 3.8 Live Extended Thinking
主要使用者: 開發者、企業，以及 Gemini 應用程式、Workspace 和 Search 體驗的使用者
開發者存取方式: Gemini API 和 Google AI Studio
核心工作流程: 結合視覺輸入、背景工具與 API 呼叫的即時對話
音訊來源識別: Google 表示生成的音訊會以 SynthID 加上浮水印