AI 摘要
- Google 推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩款語音模型。
- Extended Thinking 版本專為多步驟推理設計，在語音對話品質評比中位列第一。
- 兩款模型已透過 Gemini API、Google AI Studio 及企業版開始推出。
Google 發表兩款全新語音對話模型
Google 正式推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩款語音對話模型，目標是大幅強化人工智慧在即時推理與自然語音互動方面的能力。兩款模型針對不同應用場景與複雜度進行設計，為開發者、企業用戶及一般消費者提供更具效率的語音代理支援。
Gemini 3.8 Live：規模化應用與視覺接地
Gemini 3.8 Live 的定位聚焦於規模化應用與成本效益的平衡。在功能方面，該模型結合深度對話理解與流暢的自然互動，並具備視覺接地（Visual Grounding）能力，可即時處理視覺輸入，讓使用者在對話過程中直接透過畫面傳遞情境資訊。
此外，Gemini 3.8 Live 能自動偵測並在對話中切換 97 種語言，同時支援在背景執行工具與 API 呼叫，確保對話流程不被中斷。
Gemini 3.8 Live Extended Thinking：高複雜度多步驟推理
Gemini 3.8 Live Extended Thinking 專為需要複雜推理的任務所設計，具備強化的多步驟推理能力。其核心機制為「同時思考與說話」，在處理複雜非同步任務時，模型能提供口語進度說明，或透過早期口語提示自然回應使用者，同時在背景默默執行工具與 API 呼叫，維持對話的流暢度。
在效能表現上，Extended Thinking 版本在多項基準測試中取得高分，於語音對話品質指數評比中位列第一，並具備優異的代理任務執行能力。
SynthID 數位浮水印保障內容可信度
所有由 Google 語音產品所生成的音訊內容，皆會透過 SynthID 技術加入數位浮水印，使生成音訊可被辨識，以降低虛假資訊帶來的風險。
推出時程與存取管道
兩款模型已自發布日起逐步向各界推出，存取管道依用戶類型有所不同：
- 開發者：可透過 Gemini API 與 Google AI Studio 進行存取與建置。
- 企業用戶：可在 Gemini Enterprise 中使用預覽版本。
- 一般使用者：將陸續在 Search Live、Gemini Live 以及 Google Workspace 訂閱方案中體驗相關功能。
Reference Link : techbang.com
