谷歌发布两款Gemini实时语音模型

据 Simon Willison 介绍，谷歌发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款语音到语音模型。他制作了浏览器体验工具，支持语音对话及打断回复。

对出海团队的影响

面向语音助手、口语陪练等产品的出海团队，多了一个可测试的实时语音方案。该工具支持选择模型和预设声音、输入可选系统提示词；实现未使用第三方库，通过 WebSocket 连接接口，并用 Web Audio API 采集和播放音频，可作为浏览器端原型参考。但材料未提供价格、语言覆盖或延迟评测，尚不足以判断其上线成本与目标市场适配度。

接下来怎么做

建议先用目标市场语言测试对话自然度、打断后的衔接及系统提示词遵循情况，并对两款模型使用相同任务做比较。

可参考公开实现搭建小规模原型，重点检查麦克风权限、回声和网络波动对体验的影响。

正式接入前，建议查阅官方文档，核实定价、地区可用性、数据处理政策及密钥保护方案，不宜直接将演示实现用于生产环境。