Gemini 3.8 Live(ジェミニスリーポイントエイトライブ)とは

Gemini 3.8 Liveとは、Googleが2026年9月15日に一般提供した、リアルタイムの音声対話向けAIモデルです。Gemini Live APIを通じて、人の話を聞きながら低い待ち時間で音声を返し、必要に応じて外部の処理も呼び出します。会話の速さを優先する音声エージェントの標準モデルという位置づけです。

音声だけを受け取るモデル？

いいえ。入力には音声のほか、テキスト、画像、動画を使えます。たとえば利用者の声を聞きながら、カメラ映像や画面上の画像も手掛かりにして応答できます。主な用途は、音声エージェント、語学練習、音声検索、機器操作などです。

返事は音声が基本です。モデル表の出力欄には音声とテキストが並びますが、移行ガイドは応答の形式を音声としており、やり取りを文字で残したい場合は「出力音声の文字起こし」を別に有効にするよう案内しています。チャット画面のように文字で返す用途を想定しているなら、この点を先に確かめておくと安心です。

入力上限は131,072トークン、出力上限は65,536トークンです。トークンとは、AIが情報を数える単位。上限が大きくても、リアルタイム対話では映像を送り続けるほど文脈と費用を使います。必要な動画フレームだけを送ることが、速度と費用の両面での決め手です。

Extended Thinking版とどう使い分ける？

通常のGemini 3.8 Liveは、短い受け答えと素早い外部処理に向きます。推論を対話へ織り交ぜますが、考える深さを指定する設定はありません。公式ガイドが挙げるのは、カスタマーサービスの一次受付、語学練習、音声検索のように返事の間を短くしたい場面と、センサー値の読み取りや機器の操作のように外部処理が一瞬で終わる場面です。

別モデルのGemini 3.8 Live Extended Thinkingは、会話中に背景で計画と外部処理を進めます。「航空券を確認しています」のような途中案内を音声で返しながら、複数の検索や比較を続けられます。数秒かかる外部処理の「気まずい沈黙」を埋める使い方も、公式ガイドが挙げる候補の一つ。ただし、切り替えにはアプリ側の改修が要ります。外部処理はすべて待たずに進む非同期型で宣言する必要があり（待機型はエラー）、1つの依頼の間にモデルが何度も話すため、会話が終わったかどうかの判定も専用の状態表示へ切り替えます。通常版は反応速度、Extended Thinking版は複雑な段取りで選ぶとよいでしょう。

以前のLiveモデルから何が変わる？

Gemini 3.1 Flash Live Previewから移す場合、モデルIDをgemini-3.8-liveへ変えるだけでは不十分です。通常版では、推論の深さを指定するthinking_levelを削除します。外部処理は待たずに会話を続ける非同期型が標準で、必要なら従来型の待機も明示可能です。

先回りして話すProactive Audioは常時有効になり、無効指定はエラーになります。感情に合わせた対話を有効化する旧設定は削除されました。また動画は既定でモデルへ送られます。プレビュー版の設定をそのまま本番へ切り替えると、起動エラーや想定外の送信が起きる可能性があります。

業務導入では何を測る？

音声AIは、回答の正しさだけでは評価できません。話し終えてから最初の音が返るまでの時間、利用者が途中で遮ったときの停止、外部処理が終わるまでの時間、聞き直し、人への転送率を測ります。通話録音や映像を扱うなら、同意、保存期間、地域、削除手順も事前の決定事項です。

通常版とExtended Thinking版を同じ問い合わせで比較し、短い仕事は通常版、複数手順は背景推論版へ振り分ける方法もあります。モデルの賢さではなく、利用者が待てる時間と仕事の段階数を選定基準にするのが実務的です。

Gemini 3.8 Liveに関するよくある質問

Gemini 3.8 Liveで画像を生成できますか？

画像を入力して理解することはできますが、公式モデルページでは画像生成は非対応です。画像を作る処理が必要なら、対応する別モデルと組み合わせます。

検索結果を根拠に音声で答えられますか？

はい。公式モデルページでは検索グラウンディングに対応しています。一方、ファイル検索とURL文脈は非対応なので、社内文書や指定ページを根拠にする場合は別の取得方法が必要です。

Gemini 3.8 Liveは一括処理にも使えますか？

公式モデルページではBatch APIは非対応です。大量の録音を後からまとめて処理する用途より、Live APIを使うリアルタイムの双方向対話に向いています。