实时语音交互

谷歌发布Gemini 3.8 Live双模型，实时语音交互瞄准Agent响应延迟难题

谷歌推出两款实时语音模型，其中Gemini 3.8 Live针对语音Agent交互中的沉默与延迟问题，旨在提升对话自然度，推动实时语音AI应用落地。

谷歌推出Gemini 3.8 Live及扩展思考版，前者强化实时语音对话能力，后者面向复杂推理场景，进一步扩展多模态交互与深度思考的产品布局。

谷歌发布Gemini 3.8 Live双模型，首次实现语音AI边推理边对话，实测得分超越OpenAI与SpaceXAI。该技术将推动语音交互进入低延迟、高理解的新阶段，微软等平台或跟进。

谷歌推出Gemini 3.8 Live及扩展思考版，前者强化实时语音对话，后者提升复杂推理能力。此举加剧AI助手竞争，推动多模态交互与深度思考融合。

谷歌推出Gemini 3.8 Live，实现语音对话中边推理边响应，显著降低交互延迟。该升级可能推动语音助手、客服等场景变革，并加剧与微软、AWS等厂商的大模型竞争。

谷歌推出Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话模型，前者主打规模部署与成本优化，后者强化多步推理，支持97种语言自动检测切换，并已在多平台开启推送。

谷歌发布原生语音大模型Gemini 3.8 Live及扩展推理版本，首次在低延迟语音流中实现多步推理，即日起通过API和AI Studio开放。

OpenAI将ChatGPT语音功能背后的GPT-Live-1模型开放给开发者，该模型采用全双工架构，支持实时听取与回应，语音前端定价每分钟0.05美元，后台推理模型另行计费。

OpenAI 宣布 GPT-Live-1 正式登陆 API，支持全双工对话、打断处理与电话智能体。前端语音层每分钟 0.05 美元，早期测试中误打断减少近 80%，代码量缩减 80%。

OpenAI发布GPT-Live工程报告，详述实时媒体路径与异步逻辑分离、会话级有状态推理及上下文迁移机制，并基于WebRTC优化连接启动。InfoQ专访揭示架构权衡与静默测试发现的问题，为实时AI系统设计提供参考。