Gemini 3.8 LiveとGemini 3.8 Live Extended Thinkingのご紹介
Googleは、AIとの音声会話をより自然にし、複雑なタスクにも適したものにする2つの音声特化モデル、Gemini 3.8 LiveとLive Extended Thinkingを公開した。標準モデルは規模、コスト効率、視覚理解を重視し、Extended Thinking版はより難しい多段階の推論を扱う。Gemini API、Google AI Studio、Search Live、Gemini Enterprise、Geminiアプリやワークスペースの一部で順次提供される。
記事の内容
Googleは2026年9月15日、Gemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを発表しました。同社最先端のライブ対話モデルとされ、音声エージェントや自然な会話向けです。Gemini 3.8 Liveは視覚的な理解を備え、規模とコスト効率を狙い、Extended Thinkingは複数段階の推論が必要な複雑なタスクを対象とします。
3.8 Liveは映像入力をほぼリアルタイムで処理し、会話の途中で97の対応言語を切り替え、話し続けながらバックグラウンドでツールやAPI呼び出しを実行します。Extended Thinkingは話しながら推論し、「確認します…」のような合図を使い、複数段階のタスクの進捗を説明します。GoogleはExtended ThinkingについてArtificial AnalysisのSpeech to Speech Quality Indexで1位（82.6）、τ-Voiceで68.6%、Big Bench Audioで97.7%と挙げています。提供は段階的で、Gemini API、AI Studio、企業向け非公開プレビュー、Search Live、Gemini Live、一部のWorkspace製品です。すべての音声にSynthID透かしが付きます。
この要約は、Google DeepMind の公式ページをもとに AnnuIA が自分の言葉で作成しました。内容および権利は発行元に帰属します。元の記事をご覧ください。