觀點 · 資訊分享
Gemini 3.8 Live 推出：講話時能同時在背景辦事，支援 97 種語言對話中自動切換
Google 推出兩款即時語音對話模型：Gemini 3.8 Live 主打低延遲與成本，Live Extended Thinking 則能一邊說話一邊推理。兩款今天起可在 Gemini API 與 AI Studio 使用，也會出現在 Search Live、Gemini 與 Workspace。
- 發布
- 2026-09-15
- 篇幅
- 約 4 分鐘 · 1,984 字
- 結構
- 8 節 + 3 題常見問題
- 標籤
一句話看懂：Google 推出 Gemini 3.8 Live 與 Live Extended Thinking 兩款語音對話模型，重點是講話的同時，它能在背景查資料、操作工具，不用讓你乾等。
先用白話講：語音 AI 以前卡在哪？
想像你打電話給客服，說「幫我改訂位」，對方回你：「請稍等」，然後沉默了 30 秒才回來。這種停頓，就是語音 AI 長久以來的痛點：模型得先把事情做完，才能繼續說話。
這次 Google 的做法比較像一位會邊講邊做事的助理：你說完需求，它先回「好，我來查一下」，同時在背景處理，聊天不中斷；事情辦完，再自然地接著告訴你結果。
發生什麼事
Google 在 2026 年 9 月 15 日推出兩款即時語音對話模型：
- Gemini 3.8 Live：為規模與成本設計，結合流暢的對話、對話智慧與視覺理解；能近乎即時地處理畫面輸入，並在對話中自動偵測、切換 97 種語言；能在背景執行工具與 API 呼叫，同時持續聊天
- Gemini 3.8 Live Extended Thinking：為高複雜度任務設計，能邊推理邊說話，用「讓我查一下……」這類早期的口語線索自然地接話，並用即時的進度說明帶你看多步驟背景任務的進展
成績怎麼樣？（Google 自家公布）
| 評測 | 結果 |
|---|---|
| Artificial Analysis 語音對語音品質指數（Extended Thinking） | 第 1 名，82.6 |
| τ-Voice（代理任務完成率，Extended Thinking） | 68.6% |
| Sierra 的 τ-Voice-banking（Extended Thinking） | 35.1% |
| Big Bench Audio（推理，Extended Thinking） | 97.7% |
| Speech Agent Arena（Gemini 3.8 Live，使用者偏好） | 第 2 名 |
以上都是 Google 發表文章中自行引用的結果，不是我實測的，參考就好。
哪裡可以用？
| 對象 | Gemini 3.8 Live | Live Extended Thinking |
|---|---|---|
| 開發者 | Gemini API、Google AI Studio | Gemini API、Google AI Studio |
| 企業 | Gemini Enterprise 私有預覽 | Gemini Enterprise 私有預覽 |
| 一般使用者 | Search Live | Gemini Live；Docs、Gmail、Keep（依訂閱方案） |
給開發者的技術細節
- 模型代號：
gemini-3.8-live（多數低延遲語音代理的預設選擇）與gemini-3.8-live-extended-thinking（需要更多背景推理時使用），透過 Live API 呼叫 - Gemini API 更新日誌列出的特性：穿插式推理（interleaved reasoning）、預設非同步函式呼叫、完整的工作階段客戶端內容更新
- 官方提到 Agora、Fishjam、LangChain、LiveKit、Pipecat、Vercel、Vision Agents 等平台，可以幫忙處理即時串流基礎架構
- 所有由 Google AI 產品產生的音訊都會加上 SynthID 浮水印，可事後辨識是 AI 生成
- 官方的部落格文章我讀到的內容沒有提供價格，導入前請另外查定價頁
我的看法
語音介面對 LINE 機器人、客服、預約系統這類應用很有吸引力，但實務上最大的問題往往不是「聽得懂」，而是「等待」：使用者最討厭的是沉默。能在背景辦事、同時維持對話，這一點如果真的做得好，體驗會差很多。
不過我會謹慎看待這些榜單：評測成績是廠商自己挑選、自己公布的；中文（含台灣口音）的實際表現、延遲、費用，都得自己試過才算數。我會先挑一個小而明確的流程（例如查訂單狀態），用真實的錄音測試，再決定要不要往正式服務推進。
名詞小辭典
- Live API：Gemini 提供的即時雙向語音與影像介面，讓應用程式可以像打電話一樣和模型對話。
- 函式呼叫（Function calling）：模型在回答時，呼叫外部工具或 API（例如查訂單）的能力。
- 非同步：不用等這件事做完才做下一件，兩件事可以同時進行。
- SynthID：Google 嵌在 AI 產生的內容裡、肉眼耳朵察覺不到的浮水印。
資料來源
常見問題
這兩款語音模型有什麼不同？
Gemini 3.8 Live 是為規模與成本設計的版本，主打流暢的對話與視覺理解；Live Extended Thinking 則為複雜、需要多步驟推理的任務設計，會一邊推理一邊說話，並用「讓我查一下」這類話語自然地接話，過程中還會口頭說明進度。
什麼是「在背景執行工具」？
一般的語音助理要查資料或訂位時，容易得先停下來、等結果回來才繼續說話。這兩款模型可以在背景呼叫工具與 API，同時先回應你「好，我來處理」並繼續聊天，任務完成後再告訴你結果。
一般人在哪裡能用？
Gemini 3.8 Live 會用在 Search Live；Extended Thinking 則用在 Gemini Live，以及 Workspace 的 Docs、Gmail、Keep 等功能（部分依訂閱方案與商務客戶分階段開放）。開發者則透過 Gemini API 與 Google AI Studio 使用。
接著讀
全部觀點 →Cursor 雲端代理能交出「互動畫布」了：分析結果一條連結分享給團隊，大型環境載入快 5 倍Cursor 讓雲端代理在工作中建立含圖表與表格的互動畫布，做完傳連結就能分享給團隊；同時推出 Environments API（beta），雲端環境最多 300 個儲存庫，大型環境載入快 5 倍。閱讀 →BigQuery 的 AI 函式可以設每日 token 上限了：一行 SQL 燒掉整月預算的風險變小Google 宣布 BigQuery 生成式 AI 函式的 token 配額正式上線，可以替整個專案或每位使用者設每日的輸入、輸出 token 上限，調低立即生效，避免一次查詢就把預算燒光。閱讀 →Cloudflare 官方 MCP 伺服器開始附送「技能包」：AI 代理連上一個網址，就學會怎麼用 CloudflareCloudflare API MCP 伺服器透過 MCP 的 Skills 擴充，直接提供官方整理的 Cloudflare 技能。支援的 AI 工具連上 mcp.cloudflare.com，就能同時拿到 2,500 多個 API 端點和「怎麼正確使用」的操作說明。閱讀 →