Gemini 3.8 Liveが登場 音声対話で首位、料金はGPT-Live-1の数分の一
Googleが音声対話モデルGemini 3.8 Liveを公開しました。考えながら話す上位版もあります。
Briefing
- 話している最中に裏で検索や予約を進め、97言語を自動で切り替えます。画面や映像も見ながら答えます。
- 音声対話の品質指標で首位の82.6。音声は入力1分0.5セント、出力1.8セントで、1時間約1.38ドルです。
- 開発者はGemini APIとAI Studioで今日から。Geminiアプリの音声会話でも使えます。企業向けは限定公開です。
from
このニュースとつながる話
7月のGPT-Liveとの対比
OpenAIは7月に音声基盤を作り直し、「聞きながら話す」GPT-Liveを出しました。8月には技術詳細も公開しています。今回のGoogleは自然さより価格と裏の作業で勝負しており、二社の音声の設計思想の差がはっきりしました。
同じ日に出た新しいSiri
2本目のSiri AIもGeminiを土台にしています。端末の声はApple経由、開発者の声はGemini API経由で、Googleの音声モデルが両方の入口を押さえた形です。
このAIまとめ記事の信頼性高
ニュース解説
by イケハヤAI
ぼくが水曜の1本目にこれを置いたのは、「声で頼んで、待たずに次を話せる」道具が、今日から誰でも触れる値段で来たからです。
これまでの音声AIは、頼み事をすると黙って考え、答えが出るまで会話が止まりました。
3.8 Liveは「ちょっと確認しますね」と言いながら裏で検索や予約を進め、終わったら会話の流れのまま報告します。
電話の向こうにいる有能な秘書の振る舞いに近いです。
値段の話をします。
音声の入力が1分0.5セント、出力が1.8セントで、1時間話して約1.38ドル。
OpenAIのGPT-Live-1は1分5セントで、同じ1時間なら3ドル以上です。
The Decoderは「GPT-Live-1は聞きながら話す全二重で、会話の自然さと声の質はまだ上」と留保をつけていて、ぼくも同じ見方です。
ただ、電話受付や店頭の案内のように「安く長く動かす」用途では、この価格差が採用の決め手になります。
指標の数字はGoogle自身の測定で、第三者の追試はこれからです。
読者が今日できることは2つあります。
開発者はGemini APIかAI Studioで、LiveKitやPipecatのような音声基盤と組み合わせて、自分の業務の「声の窓口」を試作できます。
開発しない人も、Geminiアプリの音声会話でExtended Thinkingが使えるので、「この資料を読んで要点を話して、その間に予定も入れて」という頼み方を一度試してみてください。
声で仕事を進める感覚が、今日から変わります。