谷歌发布 Gemini 3.8 Live 及扩展思考版
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
本条选题由第三方线索发现；线索方提供的摘要未被采用，本页内容依据下方信源整理。线索来源：AIHOT
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两款语音模型同日上线
Google DeepMind 通过博客发布了 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款模型。按 Simon Willison 的描述，这两个模型属于语音到语音（speech-to-speech）类型，形态上与 OpenAI 的 GPT-Live 系列相近。发布信息本身只给出了模型名称，没有附带参数规模、延迟指标或可用区域等细节，因此目前能确认的是产品线新增了两个面向实时语音交互的型号，其中带 Extended Thinking 后缀的版本在命名上区别于基础版。
浏览器里的试用界面
为了实际测试这两个模型，Simon Willison 让 GPT-6 Astra Extra High 参照官方文档搭建了一个网页界面。这个界面的操作路径是：先选定模型，再挑一个语音预设，然后可以填写一段可选的系统提示词，之后就能在浏览器中开始语音对话。界面还支持在模型说话过程中打断它，这一点对语音交互体验比较关键，因为用户不必等模型把话讲完才能插话。整个实现没有引入任何第三方库，属于从零手写的轻量方案。
WebSocket 与音频通路
该界面的连接方式值得单独说明。它直接连到 generativelanguage.googleapis.com 上的一个 WebSocket 端点，路径中包含 v1alpha 版本的 GenerativeService.BidiGenerateContent 方法，并在查询串里携带 key 参数完成鉴权。音频的采集与播放都交给 Web Audio API 的 AudioContext 处理，也就是说麦克风输入和扬声器输出共用同一套浏览器音频能力，不需要额外的录音或播放组件。双向流式的连接方式与语音对话的实时性需求相匹配，模型可以在连接保持期间持续收发内容。
上手门槛与适用边界
对想复现这套方案的人来说，材料给出的入口是 Gemini Live 的 WebSocket 教程，配合上述端点即可起步。需要注意的限制有几点：端点标注为 v1alpha，属于早期版本路径；鉴权依赖 URL 中的 key 参数；实现完全基于浏览器能力，因此运行环境需要支持 Web Audio API 与 WebSocket。至于模型在音质、响应速度、多语言支持上的表现，以及 Extended Thinking 版本相较基础版的具体差异，现有材料没有提供，无法进一步展开。
为什么值得看
大幅提升语音 AI 的实时推理与多任务处理能力，推动语音代理发展。
信源2 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。