Gemini 3.8 Live

概览

Google 的原生语音到语音实时对话模型：边说话边在后台调用工具，能看实时画面、准确听写验证码和单号，覆盖 97 种以上语言，是 Gemini Live API 的默认模型。 原生语音到语音：低延迟实时对话，官方定位为 Live API 默认模型，替代级联式「语音识别 + 文本模型 + 语音合成」方案 异步函数调用：后台执行 API 和工具调用的同时继续播报语音，默认非阻塞（NON_BLOCKING），支持 SILENT / WHEN_IDLE / INTERRUPTED 调度 视觉上下文：结合实时画面理解用户「说的」和「看到的」 字母数字精度：准确识别确认码、理赔单号和技术参数 覆盖 97 种以上语言并保持口音一致；支持增量内容更新，把实时音频与结构化数据合并 支持 Google 搜索 grounding、函数调用和交错推理（interleaved reasoning）；不支持缓存、结构化输出、代码执行和 Batch API Extended Thinking 版支持可配置思考，在后台做多步推理的同时继续对话，官方称在 Artificial Analysis 语音到语音榜排名第一 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 是 Google DeepMind 在 2026 年 9 月 15 日通过 Gemini API 和 Google AI Studio 发布的新一代实时语音模型（官方博客《Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe》）。官方称这一代相比之前的 Live 模型是「阶跃式提升」，能在保持对话流畅的同时推理并执行任务；需要更深推理时用 Extended Thinking 版，它可以在后台多步思考，同时在主对话里回应或播报进度。两款模型都通过 Live API 调用，也可以经由 Agora、Fishjam、LiveKit、LangChain、Pipecat、Vercel、Vision Agents 等合作方接入。 从 gemini-3.1-flash-live-preview 迁移时要注意：模型名改为 gemini-3.8-live；gemini-3.8-live 不支持 thinking_level，需要从会话配置里去掉；异步函数调用变为默认（仍可在工具声明里设 behavior: BLOCKING 保持同步）；send_client_content 在整个会话中都可用，设置 turn_complete=true 会立即打断正在生成的内容；主动音频（proactive audio）永久开启，设为 false 会报错；情感对话（affective dialog）参数已移除；视频帧默认会发送给模型，只在需要时发送以控制上下文和成本；如需文字记录，请开启输出音频转写。上手：在 ai.studio/live 试用，或从官方 GitHub 克隆示例应用。价格按每百万 token 计（见上），Google 搜索 grounding 与其他 Gemini 3.x 模型共享每月 5,000 次免费额度，之后每 1,000 次 $14。来源：blog.google 官方博客、ai.google.dev 模型页（gemini-3.8-live / gemini-3.8-live-extended-thinking）与定价页（2026-10-07 核对）。 API ID: gemini-3.8-live（Live API）；gemini-3.8-live-extended-thinking

模态

多模态

许可说明

闭源 · 闭源