Google lança modelos Gemini 3.8 Live com foco em conversas por voz
Google lança os modelos de voz Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking com suporte a 97 idiomas e execução de tarefas em segundo plano.
Resumo rápido
- Google lança Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking para interações por voz.
- Modelo Extended Thinking lidera o índice de qualidade da Artificial Analysis com pontuação de 82,6.
- Preço da API do Google é cobrado em US$ 0,005 por minuto de entrada e US$ 0,018 por minuto de saída.
Entenda o contexto
Modelos de voz avançados utilizam inteligência artificial para interpretar e gerar fala humana em tempo real, integrando chamadas de sistemas externos e visão computacional. O avanço dessas arquiteturas visa criar assistentes virtuais capazes de realizar tarefas operacionais durante uma chamada sem interromper o diálogo.
A Google DeepMind anunciou nesta terça-feira, 15 de setembro de 2026, o lançamento de dois novos modelos de inteligência artificial voltados para diálogo em áudio: o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking. As tecnologias foram desenvolvidas para permitir interações por voz mais fluidas, processamento visual em tempo quase real e execução de tarefas em segundo plano sem interromper a conversa.
Segundo a empresa, as novidades já estão sendo disponibilizadas para desenvolvedores por meio da Gemini API e do Google AI Studio, além de integrações no aplicativo Gemini, no Google Workspace e na Busca. O Gemini 3.8 Live é focado em eficiência de custo e escala, enquanto a versão Extended Thinking se dedica a tarefas de alta complexidade que exigem raciocínio em múltiplas etapas.
Desempenho em benchmarks e recursos de áudio
De acordo com dados divulgados pela própria empresa, o Gemini 3.8 Live Extended Thinking alcançou a primeira posição no Speech to Speech Quality Index do laboratório Artificial Analysis, com uma pontuação de 82,6. O modelo também registrou 68,6% no benchmark τ-Voice e 35,1% no teste τ-Voice-banking da Sierra, além de marcar 97,7% no Big Bench Audio. Já o Gemini 3.8 Live obteve o segundo lugar no ranking Speech Agent Arena.
Entre os recursos integrados, os modelos conseguem alternar automaticamente entre 97 idiomas durante um mesmo diálogo. Para manter a conversa contínua enquanto executa chamadas de API ou ferramentas em segundo plano, a versão Extended Thinking utiliza sinalizações verbais iniciais e narração do progresso em tempo real. A empresa também informou que todo o áudio gerado pelos seus produtos de IA recebe a marca d'água SynthID, tecnologia projetada para identificar conteúdos sintetizados.
Custos de uso e comparação de mercado
Segundo análise da publicação The Decoder, os preços praticados na API do Google para áudio são de US$ 0,005 por minuto para entrada de dados e US$ 0,018 por minuto para saída. De acordo com o veículo, uma hora de conversa usando a tecnologia da Google custa cerca de US$ 1,38, valor inferior ao do modelo concorrente GPT-Live-1, da OpenAI, cuja tarifa é de US$ 0,05 por minuto e gera um custo mínimo de US$ 3,00 por hora.
O The Decoder aponta, contudo, que a opção da OpenAI oferece capacidade full duplex — recurso que permite ouvir e falar simultaneamente —, resultando em interações mais naturais e melhor qualidade sonora nas demonstrações, o que indica que a Google pode ter optado por otimizar seus modelos prioritariamente em termos de preço.
Disponibilidade e ecossistema
A distribuição do Gemini 3.8 Live começou no ecossistema para desenvolvedores e em prévia privada na plataforma Gemini Enterprise. Já a versão 3.8 Live Extended Thinking chega de forma gradual para assinantes do Google AI em recursos do Workspace como Docs, Gmail e Keep, além de estar presente no Gemini Live para o público geral.
Referências
- Fonte consultada: Google DeepMind — Blog
- Reportagem consultada: The Decoder
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
