Vercel AI网关上线Gemini实时语音模型

Vercel 宣布，Google 的 Gemini 3.8 Live 及其 Extended Thinking 版本已上线 AI Gateway，开发者可通过 AI SDK 的 realtime API 接入实时语音交互。

对出海团队的影响

面向海外用户的语音助手和对话应用多了一个接入选项。Live 模型支持实时音频、视觉 grounding、97 种语言自动切换，以及对话进行中的后台工具调用；Extended Thinking 版本增加与语音并行的多步推理，可在处理请求时回应用户并说明进度。多语言交互和复杂任务处理值得关注，但材料未提供价格、延迟或各语言表现，尚不能据此判断实际体验与成本。

接下来怎么做

建议先在模型试用环境中验证目标市场语言，重点检查语言切换和语音回复的稳定性。接入原型时，可参考实时交互快速入门，安装 Gateway provider 与 WebSocket 客户端，使用短期令牌建立连接，并通过模型适配器处理实时事件。针对需要工具调用或多步推理的场景，建议对比两个版本的任务完成表现、响应延迟和用量成本，再决定是否上线。