Google、音声対話の Gemini 3.8 Live を公開話す顔の版も

公開 2026年10月15日 21:024 分で読めます

Google は 9 月 15 日、声でやり取りする音声対話のモデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を公開しました。音声を受け取って音声で答えるモデルで、開発者は Gemini API の Live API と Google AI Studio で使えます。9 月 24 日には、3.8 Live に話す顔の映像を付けた「Gemini 3.8 Live with Live Avatar」を、企業向けの Gemini Enterprise で提供し始めました。

要点

3.8 Live は遅れの少ない会話と費用の安さ向け、Extended Thinking は複雑な作業向けです。
Extended Thinking は、会話を止めずに裏で考え、作業の進み具合を話して伝えます。
会話を続けながら、裏で道具や API を呼び出して作業を進められます。
カメラなどの映像をほぼ即時に読み取り、会話に生かせます。
97 の言語に対応し、会話の途中で言語が変わっても自動で切り替えます。
Live API の料金は、音声の入力が 1 分あたり $0.005、出力が 1 分あたり $0.018 です。
Live Avatar は、声に合わせて口の動きと表情を付けた映像をほぼ即時に作ります。

Google の発表では、Extended Thinking は Artificial Analysis の Speech to Speech Quality Index で 1 位(82.6)、音声エージェントの作業を測る τ-Voice で 68.6% でした。3.8 Live は、利用者の好みで比べる Speech Agent Arena で 2 位でした。プレビュー版の gemini-3.1-flash-live-preview などは早ければ 11 月 17 日に提供を終え、移行先として 3.8 Live を挙げています。

Live Avatar は 97 の言語で、口の動きと表情を合わせます。用意されたアバターのほか、質の高い参考の画像から企業独自のアバターも作れますが、独自のアバターづくりは許可を受けた企業だけが使えます。作った音声と映像には、SynthID の電子透かしが入ります。

Google は、Gemini Live・Search Live・Google Workspace での声のやり取りにも、新しいモデルを使い始めました。これらはそれぞれのアプリの機能です。

日本の利用者にとって

Live API のガイドでは、対応する言語に日本語が含まれています。発表では、日本での提供には触れていません。料金は米ドルで示されています。

YOBITSUGI AI で使えるか

YOBITSUGI AI では Google の Gemini 3.8 Flash(文章)、Nano Banana 2.1(画像)、Gemini 3.8 Flash TTS(読み上げ)などを使えます。今回発表された Gemini 3.8 Live・Gemini 3.8 Live Extended Thinking・Live Avatar は、現時点の対応モデルには含まれていません。