SetupAI
EN
來源近期收集於 5h

Google 推出 Gemini 3.8 Live 模型

閱讀原文： DeepMind Blog
#real-time-ai#extended-thinking#model-release

新的 Gemini Live 發布可能改變建構者對即時模型的選擇。

30 秒速覽

有什麼變化

Google DeepMind 推出了 Gemini 3.8 Live。

為什麼重要

若廣泛提供，這項發布可能為即時多模態或對話式應用提供另一個選擇。實務人員在決定遷移或投入正式環境前，應先確認官方文件。

下一步行動

在測試前，查閱官方 Gemini 3.8 Live 文件，確認 API 存取、配額、延遲與 Extended Thinking 控制項。

誰應關注：Developers & AI Engineers

關鍵要點

  • •Google DeepMind 推出了 Gemini 3.8 Live。
  • •公司也宣布 Gemini 3.8 Live Extended Thinking 版本。
  • •摘錄未提供基準測試結果。
  • •提供的文字未說明定價、存取方式與 API 可用性。

深度解析

背景與延伸：來自公開資料，非原文內容。引用 9 個來源。

增強重點摘要

  • •Gemini 3.8 Live 系列建立在 Gemini 3 Pro 基礎模型之上，採用端到端原生語音對語音架構，全面取代由 ASR、LLM 到 TTS 的傳統串聯管線，能保留音調、語氣和停頓等副語言線索。
  • •模型具備 128K（131,072 tokens）多模態輸入上下文窗口，以及高達 64K（65,536 tokens）的多模態串流輸出能力，支援文字、音訊、圖片與視訊輸入。
  • •支援原生辨識 97 種語言，並具備句中動態切換語言（mid-sentence switching）能力，同時支援非同步函式呼叫，能在對話期間於背景執行 API 調用而無需中斷發言。
  • •Gemini 3.8 Live Extended Thinking 在 Artificial Analysis Quality Index 取得 82.6 分並登上語音對語音榜首，並在 tau-banking 代理任務基準獲得 35.1 分。
  • •即時語音 API 定價為音訊輸入每分鐘 0.005 美元、音訊輸出每分鐘 0.018 美元，並全面整合至 Google AI Studio、Gemini Live API、Google Workspace 及 Gemini 消費端應用。

技術深入

  • 基礎模型架構：以 Gemini 3 Pro 為基底構建，具備端到端原生語音對語音（Speech-to-Speech）推論能力，無需分段經過語音辨識（ASR）與文字轉語音（TTS）管道。
  • 上下文長度規格：支援 131,072 tokens（128K）的多模態輸入（包含文字、音訊、圖像與視訊）以及 65,536 tokens（64K）的多模態（文字與即時串流語音）輸出。
  • 非同步工具呼叫：支援平行推論與非同步函式調用（Asynchronous Function Calling），模型可在背景觸發外部 API 或檢索資料，避免語音對話產生不自然的中斷或延遲。
  • 多語言辨識機制：原生內建 97 種語言自動偵測，並支援對話進行中流暢地在語句中切換語言（Mid-Sentence Switching）。
  • 副語言特徵捕捉：直接由原生音訊端點學習並保留說話者的音高（pitch）、語調變化（inflection）、語氣（tone）及猶豫停頓（hesitations）。

前景展望基於引用來源的 AI 分析

串聯式語音代理架構將加速被原生端到端語音模型淘汰
Gemini 3.8 Live 證明原生語音模型可同時達成保留語氣細節與非同步背景任務處理，消除了傳統 ASR-LLM-TTS 串聯架構的高延遲與資訊丟失缺點。
即時語音 AI 代理的跨語言客服應用成本將大幅降低
以每分鐘 0.005 美元輸入與 0.018 美元輸出的低定價，加上 97 種語言動態切換能力，將推動跨國企業大規模部署語音代理。

時間線

2026-09
Google DeepMind 推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 模型
閱讀原文： DeepMind Blog

AI 週報

閱讀本週精選 AI 大事摘要 →

PostLinkedIn

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： DeepMind Blog ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。