Google、Gemini 3.8 Live発表

GoogleがGemini 3.8 Liveと3.8 Live Extended Thinkingをリリースしたことで、音声対音声モデルが2種ラインナップに加わった。この2つはOpenAIのGPT-Liveファミリーの構成を映しており、標準モデルと拡張思考版の1つずつという形だ。Googleはこの2つを別個の製品ではなく、ライブ音声アプリケーション向けの選択肢として位置づけていることをうかがわせる。

リリースに合わせて、ドキュメントに基づくブラウザベースのデモUIも作られた。ユーザーはモデルと音声プリセットを選び、任意のシステムプロンプトを入力し、モデルが話している途中に割り込める音声会話を楽しめる。実装はあえてライブラリを避け、GoogleのWebSocketエンドポイントに直接接続し、キャプチャと再生の両方にWeb Audio APIのAudioContextを使っている。これはこれらのモデルのクライアントがいかに軽量になり得るかを示している。

これらのモデルの実用的な試金石は、開発者が重い依存関係なしにライブ音声会話を動かせるかどうか、そしてGoogle自身のチュートリアルがその設定を簡単にしているかどうかだろう。音声インターフェースを構築するチームにとっては、ライブの回答により多くの思考時間が役立つ場面で拡張思考版が最も重要になるかもしれないが、それは実際にモデルがどう振る舞うかにかかっている。