谷歌发布 Gemini 3.8 Live 双工语音模型，边聊边调用工具不卡顿

发生了什么

9月15日，谷歌正式发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音模型。和过去的语音助手"听写→思考→朗读"三段式不同，这次是原生语音到语音：模型一边听你说话、一边开口回、一边在后台帮你调工具、查系统、看画面，对话全程不中断。

• Gemini 3.8 Live：主打便宜、低延迟、能大规模用，支持图文音视频输入，对话中能"看"到你屏幕上的内容。
• Extended Thinking 版：能在说话的同时做多步推理和后台任务，遇到复杂活儿会先来一句"我查一下"，再把进度念给你听，不会让你干等。
• 支持约 97 种语言并在对话中自动切换；所有生成音频都带 SynthID 隐形水印，可被检测为 AI 生成。
• 价格约每分钟输入 0.005 美元、输出 0.018 美元，整体每小时不到 1.4 美元，比对手便宜一半以上。

对我有什么用

这是谷歌把"会干活的语音智能体"从演示变成生产级能力的一步。过去语音 AI 最大的槽点是：让它去查个东西，它就得"静音三秒"再播录音；现在它能在继续跟你聊的同时把活干完。对客服、银行核验、现场指导这类"必须边聊边查系统"的场景，这是质变。第三方评测里 Extended Thinking 版语音质量榜（Speech-to-Speech）以 82.6 分排第一，超过了 OpenAI 的 GPT-Live-1。

我可以怎么做

• 普通用户：在 Gemini App、Google 搜索的 Search Live、以及订阅用户的 Google 文档 / 邮件 / Keep 里，已经能用上更自然的实时语音对话——可以一边说一边让它改文档、清邮件、整理清单。
• 开发者：通过 Gemini API / Google AI Studio 接入，做自己的语音助手或客服机器人；官方还和 Vercel、LiveKit、Agora 等实时音视频平台做了对接。

温馨提醒

• 功能按入口分批开放，地区和订阅档位不一定全球齐步，以你账号里实际出现的为准。
• 模型卡自己写明：偶有变慢、超时或幻觉，后台任务失败会直接漏进对话，重要场景别完全放手。
• 在中国大陆，Gemini API / Workspace 的可用性和数据出境要单独评估，企业落地前先确认开放状态。