←事件详情

热点事件

Google发布Gemini 3.8 Live音频模型

9 篇正式报道9 条事件动态更新于 9月24日 19:59

先了解这件事

AI 综述

Google发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话音频模型,即日起通过Gemini API、Google Workspace和Gemini应用开放。据Google DeepMind介绍,Gemini 3.8 Live Extended Thinking在Artificial Analysis语音到语音质量指数得82.6分排名第一,τ-Voice智能体任务完成率68.6%,Big Bench Audio得97.7%;Gemini 3.8 Live在Speech Agent Arena排名第二。两款模型支持近实时视觉输入、对话中自动切换97种语言,并可在后台执行工具和API调用而不打断对话。9月18日,Google展示用Gemini 3.8 Live Extended Thinking构建的工作坊助手演示,可分析工作区、出声推理并引导搭建过程。9月21日,Google又演示了用该模型构建的编程辅导Agent,能查看用户屏幕、通过function calling引用p5.js库并讲解代码逻辑。

AI 根据公开报道生成

最新进展 · 正式报道

Google 为 Gemini 3.8 Live 推出 Live Avatar 动画形象

事件进展

3 个已确认进展

  1. Google演示用Gemini构建编程辅导Agent

    来源：Google AI for Developers

  2. Google展示Gemini 3.8 Live构建工作坊助手演示

    来源：Google AI for Developers

  3. Google发布Gemini 3.8音频模型

    来源：Google DeepMind

报道与讨论时间线

按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。

9月24日

  1. The Verge AI

    Google 为 Gemini 3.8 Live 推出 Live Avatar 动画形象

    Google 在 Gemini 3.8 Live 更新中推出 Live Avatar，用户可在对话时看到实时回应的动画 AI 形象，它会同步口型并展示不同面部表情，目前仅面向 Gemini Enterprise 客户开放。Google 称 Live Avatar 可在其支持的 97 种语言之间切换而不降低视频保真度或产生视觉漂移，还能在说话时在屏幕上调取信息。该功能约一周前随 Gemini 3.8 Live 模型发布，除预设形象库外也允许企业自建，输出带有不可见的 SynthID 水印及尊重身份的防护措施。

9月22日

  1. Google AI for Developers一手

    Google 用 Gemini 3.8 构建编程辅导工具

    Google AI Developers 展示了一个用 Gemini 3.8 Live Extended Thinking 构建的编程辅导工具：它能查看用户屏幕，通过 function calling 引用 p5.js 库，并讲解代码逻辑。主帖仅附上详情链接。

  2. Google AI for Developers一手

    Google 用 Gemini 3.8 打造屏幕编程导师

    遇到 bug 卡住时，是否希望屏幕上直接指出具体问题？ 看看我们如何用 Gemini 3.8 Live Extended Thinking 构建一个编程导师：它能看见你的屏幕，通过 function calling 引用 p5.js 库，并为你讲解其中的逻辑。https://t.co/0YVtjHm8oS

9月19日

  1. Google AI for Developers一手

    Gemini 3.8 打造 cyberdeck 工作坊助手

    POV：零经验搭建你的第一个 cyberdeck ⚒️‼️ 看看这个 demo，用 Gemini 3.8 Live Extended Thinking 打造一个工作坊助手，它能分析你的工作区、与你出声推理，并引导你完成整个搭建过程。https://t.co/5VdVTygGn0

  2. Google AI

    Google 周报：Gemini 3.8 Live 音频模型等五项更新

    Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，称其为目前最先进的实时对话音频模型。Google Labs 的 Dreambeans 正式 GA，CC 从个人效率工具扩展为帮助家庭协调日程与日常事务的共享智能体，Google Workspace 的 Google Pics 图像生成工具也已 GA。DeepMind 同期推出基因组学发现平台 AlphaGenome Atlas。

9月16日

  1. Latent Space

    TypeSafe 发布决策模型 Jev，称比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上

    TypeSafe 发布 Jev，一款用 RLCD 训练、只做决策/分类/路由/打分的非自回归模型，官方称比小型前沿 LLM 快 100 倍以上、便宜 200 倍以上，输出 token 免费。社区指出它并非通用语言模型，不能生成自由文本，需要预定义输出格式，更适合替代生产系统中作为结构化分类器、评判器或路由策略的 LLM 调用。

  2. Google AI精选

    Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 音频模型

    Google 发布两款 Gemini 音频模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，主打更自然的语音对话与任务执行。Gemini 3.8 Live 面向规模、速度和成本效率，支持句中打断、在 97 种语言间即时切换并理解视觉上下文，可在 Search Live 中对着摄像头拍摄故障处获取分步语音指导。Gemini 3.8 Live Extended Thinking 面向更复杂任务，边推理边说话，并能叙述自己的执行进度，用于活动策划等多步骤项目。

  3. Google AI

    Google 发布 Gemini 3.8 Live 与 Live Extended Thinking

    Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。Gemini 3.8 Live 面向消费者上线 Search Live，开发者可通过 Gemini API 在 Google AI Studio 公开预览，企业版通过 Gemini Enterprise 私有预览。Gemini 3.8 Live Extended Thinking 面向消费者上线 Gemini App 的 Gemini Live，并向 Google AI Pro 和 Ultra 订阅者开放 Google Docs，向所有 Google AI 订阅者开放 Gmail 和 Keep；开发者同样在 Gemini API 公开预览，企业版通过 Gemini Enterprise 私有预览。

9月15日

  1. Google DeepMind一手精选

    Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking

    Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，即日起通过 Gemini API、Google Workspace 和 Gemini 应用开放。Gemini 3.8 Live Extended Thinking 在 Artificial Analysis 语音到语音质量指数得 82.6 分排名第一，τ-Voice 智能体任务完成率 68.6%，Big Bench Audio 得 97.7%；Gemini 3.8 Live 在 Speech Agent Arena 排名第二。两款模型支持近实时视觉输入、对话中自动切换 97 种语言，并可在后台执行工具和 API 调用而不打断对话。

关联事件

  1. 相关事件Anthropic发布Claude Opus 5.5
  2. 相关事件Google发布Gemini 4 Argon模型
  3. 相关事件Google DeepMind发布Gemini 3.7 Flash
  4. 相关事件Google 面向开发者开放 Gemini 4 Argon