過去使用智慧語音互動時，使用者往往面臨兩難：要嘛只能進行反應迅速但缺乏深度的日常碎聊，要嘛在拋出複雜技術或數理邏輯問題後，被迫忍受長達數秒乃至十數秒的尷尬靜默。Google 正式發布新一代原生音訊大模型 Gemini 3.8 Live 系列，核心突破正在於瓦解橫亙在即時性與深層思考之間的技術高牆。
首創「邊說邊想」雙軌機制，在低延遲語音串流中兼顧即時應答與背景深思
傳統語音系統在架構設計上，往往難以兼顧即時流暢感與複雜運算。在此前的主流語音互動技術中，AI 系統通常需要在「快速回應的淺層對話」與「耗時較長的深度思考」之間做出妥協。此次 Google 透過原生「音訊對音訊」（Audio-to-Audio）技術體系邁出關鍵一步，共推出兩款核心模型。
基礎款 Gemini 3.8 Live 全面強化了日常串流互動體驗，賦予人工智慧更敏銳的語調起伏變化、自然的隨時插話打斷能力，以及更精準的對話上下文捕捉，大幅消弭過去語音助理機械化的生硬感，提供具備人類級質感的即時語音交流。
更具突破性的進展則體現在進階版 Gemini 3.8 Live Extended Thinking。該模型針對高複雜度業務流程進行了根本性升級，首創「邊說邊想」（Think as it speaks）的後台擴展推理能力。當使用者提出高難度難題時，AI 不再需要生硬中斷對話節奏或完全停下語音輸出進入沉思，而是在維持即時連貫對話的同時，同步在後台背景執行多步驟邏輯拆解、程式碼除錯或技術診斷。
對使用者而言，對話過程不再充斥令人煩躁的等待空檔；AI 既能如真人般保持自然的交談節奏，背景的深層運算與推理也能同步推展。
從程式碼即時排錯到數理推導，展現全雙工對話潛力
在實際落地應用維度，新一代 Gemini 3.8 Live 系列大幅推展了語音服務的能力邊界。除了日常的自然交談之外，該系列模型在即時步驟式排錯、複雜數理推導、即時外語口語同步輔導以及多任務串流指令執行等高智力需求場景中，皆展現出顯著優於以往版本的處理表現，更在多項多模態與語音推理的產業基準評測中名列前茅。
這意味著語音介面不再只是單純查詢天氣或設定鬧鐘的輔助工具，而是能夠真正介入即時複雜工作流程、與人類專業工作者同步推演問題的全雙工協同夥伴。
針對開發者與企業級用戶，Google 宣布相關模型能力即日起透過 Gemini API 以及 Google AI Studio 正式全面開放接入。開發者可直接調用這套超低延遲的原生音訊 API 介面，無需再繁瑣地串接多重語音與文字模組，大幅簡化系統架構並降低整體交互延遲。
這項低延遲與後台擴展推理能力的結合，為下一代全雙工語音代理（Voice Agent）開啟了廣闊的應用空間。無論是在智慧硬體裝置的即時無縫語音互動、企業客戶服務系統的智慧化升級，還是在即時程式編寫輔助以及企業協同辦公等產品形態中，開發者都能藉此快速構建具備高階推理能力的下一代智慧語音服務。
- 延伸閱讀：Google Gemini Live 變得更強了！整合 Spark 代理人，動口就能自動做報表、整理信箱
- 延伸閱讀：Google Gemini Live 迎來重磅升級：整合 Spark AI 智慧體與 Gmail 跨應用工作流，語音對話打造無縫生產力
- 延伸閱讀：Google Gemini 推出 Gemini 3.5 Flash、Gemini Spark，擴大 AI 助理功能
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！