产业观察🔥7.0
Google Releases Gemini 3.8 Live and 3.8 Live Extended Thinking for Production Grade Voice Agents
📋总体概括
Google发布迄今最先进的实时语音对话模型Gemini 3.8 Live与3.8 Live Extended Thinking，面向生产级语音Agent。模型可在对话不中断的情况下后台执行工具调用和API请求，支持实时视觉输入，并能在对话中途切换97种语言。Extended Thinking在Artificial Analysis的语音到语音质量指数中以82.6分排名第一，Big Bench Audio得分97.7%。两款模型已在Gemini API和Google AI Studio上线，音频输入定价每分钟0.005美元，所有生成音频均带SynthID水印。
⚡关键信息
- ▸Google发布Gemini 3.8 Live与3.8 Live Extended Thinking，定位生产级语音Agent的最先进实时对话模型
- ▸模型可在对话持续进行时后台执行工具调用与API请求，并支持实时视觉输入
- ▸支持97种语言在对话中途无缝切换，面向全球化语音场景
- ▸Extended Thinking以82.6分登顶Artificial Analysis语音到语音质量指数，Big Bench Audio得分97.7%
- ▸定价音频输入每分钟0.005美元，生成音频全部嵌入SynthID水印
🔥犀利点评
Google这波是把实时语音Agent当正事做了：后台执行工具不卡对话、97种语言混说、视觉实时输入，参数全是冲着商用落地点打的。0.005美元/分钟的定价也不玩虚的，摆明要抢客服、语音助手这类规模化场景。SynthID水印是加分项，但语音赛道上OpenAI不会坐视，榜单第一能不能守住才是真考验。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 marktechpost.com 阅读全文 →