音声82.6点で首位のGemini3.8Liveだが料金は未公表だ

Gemini3.8Liveが音声品質82.6点で業界首位を取った

Google DeepMindが2026年9月16日にGemini 3.8 LiveとGemini 3.8 Live Extended Thinkingを公開しました。9月3日に出たGemini 3.8 Flashに続く音声対話に特化したモデルです。

Extended Thinking版はArtificial AnalysisのSpeech to Speech Quality Indexで82.6点を記録し総合1位を獲得しました。エージェントタスクの完了率を測るτ-Voiceでは68.6%で首位です。推論性能を測るBig Bench Audioでは97.7%でした。

Extended Thinkingなしの通常版もSpeech Agent Arenaで2位に入っています。通常版はコスト効率の高さが特徴で大量の音声処理を回す企業向きです。

会話を止めずに裏で操作を走らせ97言語を聞き分ける

従来のGemini Liveにもリアルタイム対話はありましたが、3.8 Liveではバックグラウンドでの操作実行が加わりました。ユーザーが音声で頼んだ操作をツールやAPI経由で裏で走らせながら会話を続けられます。処理が終わったら会話の流れの中で結果を返します。

映像の入力にも準リアルタイムで対応しています。カメラに映したものを認識して会話に組み込めます。97言語を自動で検出し途中で言語を切り替えても応答が途切れません。

公式ブログでは社員研修のリアルタイム案内やチェスの盤面を見て手を返すデモが公開されています。企業向けにはServiceNowのEVA-Benchでワークフローの精度と会話品質のバランスが高く評価されました。

GeminiアプリとAPIで今日から使える　料金は未公表だ

使えるのはGeminiアプリとGoogle WorkspaceとGemini Live APIの3つです。開発者はGemini Live APIからすぐに音声エージェントを組み込めます。外部の音声基盤であるAgoraやLiveKitとの連携にも対応しています。

LangChainやPipecatなどの開発フレームワークとも統合されており既存のAIシステムへ組み込みやすい設計です。ただしプラン別の料金と利用上限は公式ブログに記載がありません。企業が本番環境で使うには従量課金の条件を確かめてから判断する必要があります。

日本語の音声精度は未検証　まず小さい範囲で試す

97言語対応と発表されていますが個別の言語名は公式に列挙されていません。前モデルのGemini Liveは日本語に対応していたため使える可能性は高いですが、音声の品質は実際に試さないと分かりません。Extended Thinking版と通常版のどちらが日本語に強いかも現時点では比較できません。

電話窓口やチャットボットの導入を検討している場合はGemini Live APIで少量のテスト通話を流して品質を確かめるのが現実的です。料金と日本語精度が固まるまでは既存の仕組みと並行して動かし切り替えは段階的に進めるのが安全です。