В официальном релизе Gemini 3.8 Live описана как часть новой линейки аудиомоделей для разработчиков. Рядом с ней представлена Gemini 3.8 Live Extended Thinking, а также отдельная модель Gemini 3.5 Transcribe для преобразования речи в текст. Главное отличие Gemini 3.8 Live в том, что она относится к native speech-to-speech: это прямой голосовой режим, где модель работает с речью как с основным форматом общения, а не как с набором отдельных шагов распознавания и озвучивания. В источнике подчёркнуто, что Gemini 3.8 Live способна выполнять задачи и при этом сохранять ход диалога. Для пользователя это означает не просто ответ на голосовую команду, а разговорный сценарий, где можно уточнять детали, перебивать и продолжать обсуждение в реальном времени.
What's new in the Gemini Live API
Смотреть видео в официальном источнике:
https://blog.google/innovation-and-ai/technology/developers-tools/build-real-time-voice-applications-gemini-audio/
Что умеет модель
Подтверждённые возможности связаны прежде всего с голосовыми агентами. Google пишет, что Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking позволяют создавать voice agents: голосовых помощников, которые рассуждают, выполняют задачи и не разрывают беседу. Для сложных запросов отдельно выделена версия Extended Thinking. В её описании есть configurable thinking: настраиваемое рассуждение, которое помогает обрабатывать сложные многошаговые задачи в фоне, пока модель отвечает или рассказывает о ходе работы в основной беседе. В другом официальном тексте также указаны работа с real-time visual context, выполнение фоновых задач и более естественное голосовое взаимодействие. Эти формулировки относятся к заявленным возможностям релиза, а не к гарантии результата в каждом пользовательском сценарии.
Доступ и ограничения модели
Для разработчиков подтверждены Gemini API, Google AI Studio и Live API. В официальном материале также названы интеграционные партнёры Live API: Agora, Fishjam, LiveKit, LangChain, Pipecat, Vercel и Vision Agents. Отдельный источник говорит, что функции доступны через Gemini app, Google Workspace и Search. Для Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking указана цена: $0.005 за минуту аудиовхода и $0.018 за минуту аудиовыхода. Важно разделять базовую модель и дополнительные возможности. Gemini 3.8 Live with Live Avatar отдельно объявлена generally available в Gemini Enterprise и через API, с US и EU endpoints. При этом Gemini 3.8 Live Extended Thinking остаётся в private preview. Для Live Avatar создание собственного аватара ограничено enterprise allowlisting и проверкой, а все сгенерированные аудио- и видеопотоки получают SynthID watermarks.
Мультимодальность и обучение
В материалах о Live Avatar Gemini 3.8 Live описана как основа для разговорных видеоагентов. Эта функция добавляет визуальное присутствие к голосовому агенту для web, mobile и interactive kiosks. В демонстрации описан сценарий, где пользователь говорит и показывает повреждение на камеру, а агент помогает заполнить материалы по страховому обращению. Также показан пример создания кастомного аватара с системными инструкциями, одной референсной фотографией и образцом аудиофайла. Эти примеры показывают направление применения: голосовые и визуальные агенты для интерактивных сервисов. Но из них не следует свободный доступ к созданию любых аватаров, поскольку официальный текст прямо говорит о curated pre-built avatars и проверке для custom avatar creation.
Источники
Вопросы и ответы
Чем Gemini 3.8 Live отличается от Gemini 3.8 Live Extended Thinking?
Gemini 3.8 Live описана как модель для живого голосового диалога и выполнения задач. Extended Thinking добавляет настраиваемое рассуждение для сложных многошаговых запросов и, по отдельному источнику, остаётся в private preview.
