Подразделение Google DeepMind представило новые аудиомодели Gemini 3.8 Live и Gemini 3.8 Live Extended Thinking, нацеленные на создание продвинутых голосовых интерфейсов. Как сообщает The Decoder, инструменты уже доступны разработчикам через Gemini API и платформу Google AI Studio, предлагая возможности мультимодального взаимодействия в реальном времени.

Новинка от поискового гиганта умеет поддерживать диалог на более чем 97 языках, одновременно обрабатывая визуальные данные и выполняя фоновые вызовы API. Это позволяет создавать агентов, которые не просто имитируют общение, но и совершают полезные действия, не прерывая разговор с пользователем. Модель Extended Thinking уже успела занять первую строчку в рейтинге Artificial Analysis Speech-to-Speech, набрав 82,6% и обойдя последние разработки от OpenAI.

Ценовая политика Google выглядит как попытка захватить рынок через агрессивный демпинг. Компания установила тарифы на уровне $0,005 за минуту входящего аудио и $0,018 за минуту исходящего. Для сравнения, эксплуатация GPT-Live-1 обходится разработчикам в $0,05 за минуту. В пересчете на час активной беседы разница становится еще более ощутимой: около $1,38 у Google против минимум $3,00 у конкурента.

Однако за низкой ценой могут скрываться технологические компромиссы. Модель OpenAI поддерживает полнодуплексный режим, позволяющий системе слушать и говорить одновременно, что делает беседу более естественной. Ранние демонстрации показывают, что Gemini 3.8 Live уступает в качестве синтеза речи и плавности диалога, напоминая о склонности Google оптимизировать продукты под стоимость владения, а не под безупречный пользовательский опыт.

Лидерство в бенчмарках не скрывает того факта, что Google вновь выбрала путь количественного доминирования над качественной проработкой. Пока OpenAI оттачивает естественность дуплексной связи, Gemini 3.8 Live берет ценой и широким языковым охватом, жертвуя при этом тем самым ощущением «живого» присутствия. В индустрии, где лояльность пользователя зависит от отсутствия «эффекта зловещей долины», экономия в два доллара на часе разговора может обернуться для разработчиков потерей аудитории.

Для тех, кто готов экспериментировать с новыми API, Google уже разместила примеры приложений на GitHub. Интеграция в существующие проекты через Google AI Studio проходит стандартно, позволяя быстро протестировать возможности зрения и голоса в связке с программными функциями. Однако разработчикам стоит учитывать, что в сценариях, требующих высокой эмоциональной точности и отсутствия задержек, более дорогая модель от OpenAI может оказаться предпочтительнее.

Борьба за роль «голоса» вашего смартфона или сервиса поддержки переходит в фазу жесткой конкуренции ресурсов. Google делает ставку на массовость и доступность, предлагая инструмент, который «достаточно хорош» для большинства задач. Вопрос лишь в том, станет ли этот прагматичный подход стандартом или останется бюджетной альтернативой для тех, кому важна экономия в облачных счетах в конце месяца.