Google lansează Gemini 3.8 Live: voce în timp real, cu schimbarea limbii în convorbire

Gemini 3.8 Live și varianta sa Extended Thinking adaugă ancorare vizuală aproape în timp real și raționament în fundal inteligenței vocale Google, fiind lansate în Search Live, Gemini Live și Workspace.

În acest articol

Ce aduce nou pentru interacțiunea vocală
Cifre de citit ca afirmații ale furnizorului, nu ca audituri
Ce înseamnă asta pentru MSP

Google a lansat două noi modele vocale în timp real, Gemini 3.8 Live și Gemini 3.8 Live Extended Thinking, disponibile în Gemini API, Google AI Studio, Gemini Enterprise, Search Live, Gemini Live și în anumite părți din Workspace. Perechea își împarte rolul: modelul de bază vizează scalabilitatea și eficiența costurilor, în timp ce Extended Thinking este construit pentru sarcini care necesită mai mult raționament fără a întrerupe fluxul conversației.

Prim-plan cu un microfon cu condensator de studio argintiu, în suspensie elastică, pe un fundal cald și estompat — Foto: Will Fisher from Richmond, VA, United States (CC BY-SA 2.0), Wikimedia Commons.

Ce aduce nou pentru interacțiunea vocală

Gemini 3.8 Live procesează intrarea vizuală aproape în timp real, astfel încât o conversație poate face referire la ceea ce arată în acel moment camera sau ecranul, nu la o imagine statică. De asemenea, detectează și comută între 97 de limbi acceptate în timpul conversației și poate rula apeluri de instrumente și solicitări API în fundal în timp ce continuă să vorbească, confirmând cererea și relatând progresul în loc să tacă în timp ce sarcina se finalizează. Google spune că materialul audio generat poartă un filigran SynthID.

Cifre de citit ca afirmații ale furnizorului, nu ca audituri

Google citează cifre de evaluare de la terți pentru Extended Thinking: un scor de 82,6 la indicele Speech-to-Speech Quality Index de la Artificial Analysis și 68,6% la benchmark-ul τ-Voice pentru sarcini agentice (35,1% la o variantă specifică domeniului bancar). Acestea provin de la furnizorii de benchmark-uri menționați chiar în anunțul Google, nu dintr-un audit independent verificat direct aici, iar metodele de măsurare folosite diferă între ele — nu trebuie interpretate ca un singur scor de performanță unitar.

Ce înseamnă asta pentru MSP

Pentru furnizorii de servicii gestionate care jonglează deja cu mai mult de un model vocal în implementările clienților, întrebarea practică pe care o ridică aceste lansări nu este scorul benchmark-urilor, ci unde rulează efectiv inferența și în ce regiune ajung datele fiecărui tenant — o chestiune de rutare și izolare, separată de orice marketing legat de capabilitățile modelului.

Surse: Google Blog, 9to5Google.