グーグルは2026年9月15日、音声対話向けの新モデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を発表した。両モデルとも同日より段階的に提供を開始している。
最大の特徴は、推論しながら同時に話せる点にある。従来のモデルで生じていた思考中の沈黙を減らし、複数ステップにわたる複雑なタスクの処理中でも自然な会話を維持できるという。97言語の自動検出と、会話中のリアルタイムな言語切り替えにも対応する。音声品質を測る「Speech to Speech Quality Index」では82.6のスコアを獲得したとしている。AI生成音声にはSynthIDによる透かしを付与し、追跡可能性を確保する。
Gemini 3.8 Liveは低コストとスケーラビリティを重視したモデルで、リアルタイムの視覚入力処理やバックグラウンドでのツール実行に対応する。開発者向けにはGemini APIとGoogle AI Studioで、企業向けにはGemini Enterprise（プライベートプレビュー）などで、一般ユーザー向けにはSearch Liveで利用できる。より高度な推論に特化したExtended Thinkingは、Gemini LiveやGoogle Workspace（Pro・Ultraプラン）などで提供される。
あわせて、音声書き起こしモデル「Gemini 3.5 Transcribe」の機能も紹介された。文中や文間での言語切り替えを自動処理するほか、最大1,000語の専門用語を登録できるカスタム辞書機能、読みやすさを重視した整形済み書き起こしを生成するスマートモードを備える。ストリーミングでの単語誤り率は4.0%、非ストリーミングでは2.6%で、85以上の言語に対応する。
https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-8-live-gemini-3-8-live-extended-thinking/
