Google lance les modèles d’IA vocale Gemini 3.8 Live

Google Alphabet Inc. ↗ 0.78% a lancé mardi Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking, deux modèles d'IA axés sur la voix, conçus pour la conversation en temps réel, la compréhension visuelle et l'exécution de tâches en arrière-plan. L'entreprise les qualifie de modèles de dialogue en direct les plus avancés à ce jour.blog+1

Ce lancement permet à Google de concurrencer directement le GPT-Live-1 d'OpenAI sur le marché émergent des agents vocaux, et ce, pour une fraction du prix. Selon The Decoder, Gemini 3.8 Live Extended Thinking coûte environ 1,38 dollar par heure de conversation vocale, soit environ 13 fois moins cher que l'offre d'OpenAI. Dans l'indice de qualité Speech to Speech d'Artificial Analysis, Extended Thinking a obtenu un score de 82,6, prenant la première place devant le 79,4 de GPT-Live-1.autointerviewai+1

Ce que font les modèles

Gemini 3.8 Live est conçu pour l'échelle et l'efficacité des coûts, traitant les entrées visuelles en temps quasi réel et basculant automatiquement entre 97 langues au milieu d'une conversation. Il peut exécuter des appels d'outils et des requêtes API en arrière-plan tout en continuant à parler, reconnaissant verbalement la demande de l'utilisateur et reprenant la conversation une fois la tâche terminée.unite+1

Extended Thinking ajoute un raisonnement plus approfondi à cette couche conversationnelle. Google affirme que le modèle raisonne et parle simultanément, utilisant des indices verbaux comme "Laissez-moi vérifier cela…" pour maintenir un flux naturel tout en travaillant sur des problèmes à plusieurs étapes. Il a obtenu un score de 68,6 % sur le benchmark de tâches agentiques τ-Voice et de 97,7 % sur Big Bench Audio.blog+1

Les vidéos de démonstration montrent les modèles guidant l'intégration des employés avec un contexte visuel en direct, convertissant des croquis dessinés à la main en composants React fonctionnels via un retour vocal, et coordonnant des réservations de restaurant en plusieurs étapes grâce à des appels de fonction asynchrones.unite

Qui y a accès

Les deux modèles ont commencé à être déployés mardi. Les développeurs peuvent y accéder via l'API Gemini et Google AI Studio. Les entreprises bénéficient d'un aperçu privé dans Gemini Enterprise, avec un support client à venir. Pour les consommateurs, Gemini 3.8 Live alimente Google Search Live, tandis qu'Extended Thinking est disponible dans l'application Gemini Live, dans Docs pour les abonnés Google AI Pro et Ultra, et dans Gmail et Keep pour tous les abonnés Google AI.sqmagazine+1

Google a cité Agora, LiveKit, Pipecat, Vercel et Salesforce ↘ 3.94% parmi les premiers partenaires de plateforme et d'entreprise s'appuyant sur les capacités d'appel d'outils à faible latence des modèles. Toute sortie audio est marquée avec le système SynthID de Google pour signaler la parole générée par l'IA.blog+1

Le paysage concurrentiel

Ce lancement intensifie la rivalité dans le domaine de l'IA vocale. Le GPT-Live-1 d'OpenAI conserve un avantage architectural, une véritable conversation full-duplex qui écoute pendant qu'elle parle, mais Google parie que des benchmarks supérieurs et une tarification agressive séduiront les développeurs créant des agents vocaux de production à grande échelle. Sur l'EVA-Bench de ServiceNow ↘ 0.38%, Google affirme que ses modèles repoussent la frontière entre précision et qualité conversationnelle pour les flux de travail vocaux complexes.orcarouter+3