Google、リアルタイム音声対話モデル「Gemini 3.8 Live」公開–推論強化の上位版も登場

結論

米Googleは現地時間2026年9月15日、リアルタイム音声対話向けの新モデル「Gemini 3.8 Live」および「Gemini 3.8 Live Extended Thinking」を発表し、同日から提供を開始しました。会話の滑らかさと視覚情報の把握を両立させた標準モデルに加え、複雑なタスク向けの推論強化版が提供され、一般ユーザーから開発者まで幅広く利用可能となっています。

何が発表・変更されたか

今回公開されたのは、リアルタイム音声対話に特化した2つの新モデルです。大規模運用とコスト効率を重視した「Gemini 3.8 Live」と、複雑なタスク向けに知能と多段階の推論を強化した上位版「Gemini 3.8 Live Extended Thinking」がラインアップされています。

一般ユーザー向けには、3.8 Liveが「検索Live」で、Extended Thinkingが「Gemini Live」を通じて同日から順次展開されています。また、開発者向けには「Gemini API」および「Google AI Studio」から提供が開始されています。

確認済みの具体情報

本モデル群には、音声対話および安全性に関して複数の重要な仕様が確認されています。

言語対応: 日本語を含む97言語に対応しており、会話の途中で自動的に言語を判別して切り替えることが可能です。
モデル特性: Gemini 3.8 Liveは大規模運用とコスト効率を重視し、会話の滑らかさと視覚情報の把握を組み合わせた設計となっています。一方、Extended Thinkingは複雑なタスク向けに推論を強化しており、Artificial AnalysisのSpeech to Speech Quality Indexで82.6％を記録しています。
安全性と検出機能: 生成された音声にはすべて、人間には知覚できない電子透かし「SynthID」が埋め込まれており、AI生成コンテンツを検出できる仕組みが導入されています。

なぜ重要か

リアルタイム音声対話モデルにおいて、多言語の自動判別と滑らかな会話維持、そして複雑な推論プロセスの両立は重要な技術的要素です。特に、音声対話の品質評価指標において具体的な数値が示されている点や、開発者向けプラットフォームから即日利用可能である点は、実用的なアプリケーション開発やサービス展開を加速させる要因となります。

利用者・開発者への影響

一般ユーザーは、「検索Live」や「Gemini Live」といった既存のタッチポイントを通じて、よりスムーズで多言語に対応した音声対話機能を体験できるようになります。一方、開発者は「Gemini API」や「Google AI Studio」を介して自社のアプリケーションへ最新の音声モデルを組み込むことが可能になり、高度な音声処理機能を備えたサービスの構築が容易になります。

未確定点

現時点で公開されている情報では、各プラットフォームにおける具体的な提供スケジュールや地域別の詳細なロールアウト計画の全容については言及されていません。また、詳細な料金体系や大規模導入時の具体的なコスト構造に関しても、今後の発表が待たれる状況です。

まとめ

Googleの「Gemini 3.8 Live」および「Gemini 3.8 Live Extended Thinking」の公開により、リアルタイム音声対話AIは多言語対応や推論能力の面で新たな選択肢を得ました。電子透かし「SynthID」による安全性への配慮も組み込まれており、一般ユーザーから開発者まで幅広くその実力が試される段階に入っています。