Gemini 3.8 Live: โมเดลเสียงเรียลไทม์สำหรับวอยซ์เอเจนต์

ถ้าคุณเคยคุยกับบอทแล้วรู้สึกว่ามัน “คิดนานแล้วค่อยพูด” รุ่น Live ชุดนี้โฟกัสความลื่นของบทสนทนาครับ

เมื่อ 15 ก.ย. 2026 Google เปิดตัว Gemini 3.8 Live คู่กับรุ่น Extended Thinking ในบล็อกทางการ รหัสโมเดลสำหรับนักพัฒนาคือ gemini-3.8-live ตามเอกสาร Gemini API

จุดที่ผมเก็บมาใช้วางแผนโปรดักต์:

• สร้างมาเพื่อวอยซ์เอเจนต์ / สนทนาใกล้เรียลไทม์ โดยไม่ดึงดีเลย์จาก reasoning หนัก
• รับอินพุตข้อความ ภาพ เสียง วิดีโอ และส่งออกข้อความกับเสียง
• รองรับ Live API, function calling (ค่าเริ่มต้นแบบ async / NON_BLOCKING), interleaved reasoning
• บล็อกกล่าวว่าตรวจจับและสลับได้ถึง 97 ภาษา ระหว่างบทสนทนา และเรียกเครื่องมือเบื้องหลังได้ขณะคุยต่อ

สำหรับคนย้ายจาก gemini-3.1-flash-live-preview เอกสารเตือนให้เปลี่ยนสตริงโมเดล และตัดคอนฟิกบางตัวที่เลิกใช้ เช่น affective dialogue / การปิด proactive audio

ถ้าอยากลงมือทำแอปเสียง แนะนำอ่านคู่มือสร้างแอปเสียงเรียลไทม์ด้วย Gemini audio คู่กับ Live API

เสียงที่โมเดลสร้างมี SynthID ตามที่บล็อกระบุ เพื่อช่วยตรวจจับเนื้อหาที่ AI สร้าง

Recap

• อ่านบล็อกเปิดตัว
• จดรหัส gemini-3.8-live จากเอกสารโมเดล
• วางแผนย้ายจาก 3.1 Flash Live ตามโน้ต migration
• ลองสตรีมเสียงใน AI Studio / Gemini API ก่อนขึ้นโปรดักชัน