Google 发布 Gemini 3.8 Live 系列语音模型：边聊边干活，还能看懂你指的东西
2026年9月16日1 次阅读
Google 发布 Gemini 3.8 Live 系列语音模型：边聊边干活，还能看懂你指的东西
这是什么
Google 在 9 月 15 日发布了两个新的实时语音对话模型：Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。简单说，这是 Gemini 目前最先进的"边说边想"语音模型，你可以像打电话一样和 AI 对话，它几乎实时回应。
两个模型分工不同：
- Gemini 3.8 Live：主打规模和性价比，对话流畅、反应快，适合大规模部署。它在 Speech Agent Arena 排行榜上拿了第二名，用户偏好度高。
- Gemini 3.8 Live Extended Thinking：主打高复杂度任务，会"多想几步"再回答。它在 Artificial Analysis 的语音对语音质量指数（Speech to Speech Quality Index）拿下 82.6 分排名第一，在语音代理任务基准 τ-Voice 上完成率 68.6%，Big Bench Audio 推理测试得分 97.7%。
为什么重要
以前的语音助手有个老大难问题：你让它干活，它要么立刻回答但答不好，要么沉默半天在想。这次的新模型解决的就是"边聊边干活"：
- 后台执行工具调用：你可以让模型一边继续和你聊天，一边在后台调 API、跑任务。任务没完成也不耽误你问下一句。
- 看得懂画面：3.8 Live 支持近实时的视觉输入，你在手机摄像头前指着什么东西问，它能结合画面回答。
- 97 种语言随时切换：对话中途换语言，模型自动跟上，不用设置。
对普通用户来说，这些能力会直接体现在 Gemini App、Search Live（搜索的实时对话模式）、Google Workspace 等产品里。和过去把语音识别（ASR）和语音合成（TTS）拆成两步的流水线不同，这类模型直接"听音说话"，延迟和自然度都更好。对开发者来说，两个模型从今天起在 Gemini API 和 Google AI Studio 可用；企业版目前在 Gemini Enterprise 处于私下预览阶段。
几个值得注意的点
- 所有 AI 生成的音频都带 SynthID 水印——人耳听不出来，但机器能检测，用于防止伪造音频传播。
- Extended Thinking 版本在定价上"与其他前沿模型相比有竞争力"，但 Google 没有给出具体价格。
- 企业级的客户体验版（Gemini Enterprise for Customer Experience）即将推出，做客服语音机器人的团队可以关注。
对谁有用
- 开发者：想做语音代理（订票、客服、预约）的团队，现在可以在 Gemini API / AI Studio 里直接调这两个模型。
- 普通用户：如果你在用 Gemini App 或 Google AI Pro/Ultra 订阅，接下来会在 Gemini Live、Docs、Gmail、Keep 里陆续体验到。
- 企业：重度依赖语音客服的公司，可以等 Gemini Enterprise 正式开放后再评估。
*本文基于 Google 官方博客公告整理。*