Google ने Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking पेश किए हैं, जो वास्तविक समय के वॉइस एजेंट्स के लिए डिज़ाइन किए गए नेटिव स्पीच-टू-स्पीच मॉडल हैं, जो संवाद की प्रवाह को बिना तोड़े तर्क करते हैं और टूल्स का निष्पादन करते हैं।
- दोनों मॉडल अब होस्टेड समाधान के रूप में Gemini Live API और Google AI Studio में लाइव हैं।
- Gemini 3.8 Live स्केल और लागत दक्षता पर केंद्रित है, जबकि Extended Thinking बहु-चरण तर्क क्षमताएं जोड़ता है।
- Extended Thinking आर्टिफिशियल एनालिसिस के स्पीच टू स्पीच क्वालिटी इंडेक्स पर 82.6 की स्कोर के साथ #1 स्थान पर है।
- मॉडल असिंक्रोनस फंक्शन कॉलिंग, विज़ुअल संदर्भ, अल्फ़ान्यूमेरिक सटीकता और 97 भाषाओं का समर्थन करते हैं।
- Live API के माध्यम से ऑडियो इनपुट के लिए $0.005/मिनट और ऑडियो आउटपुट के लिए $0.018/मिनट कीमत निर्धारित की गई है।
ये रिलीज़ कैस्केडेड स्पीच पाइपलाइन के लिए एक सरलीकृत विकल्प प्रदान करती हैं, डेवलपर्स को एकीकृत टूल उपयोग और कम लेटेंसी के साथ उत्पादन-ग्रेड वॉइस एजेंट्स बनाने में सक्षम बनाती हैं।