Google lanza Gemini 3.8 Live y 3.5 Transcribe para apps de voz en tiempo real
Nuevos modelos de voz speech-to-speech y transcripción para la Gemini API, con integraciones en LiveKit, Pipecat, Vercel y más.
Gemini 3.8 Live es un modelo nativo speech-to-speech que puede ejecutar tareas mientras mantiene la conversación, con function calling asíncrono, contexto visual y más de 97 idiomas. Su variante Extended Thinking encabeza el ranking de speech-to-speech de Artificial Analysis. Cuesta $0.005 por minuto de audio de entrada y $0.018 por minuto de salida.
Gemini 3.5 Transcribe es un modelo dedicado de voz a texto en más de 85 idiomas, con WER promedio de 4.0% en streaming y 2.6% en modo no streaming. Se puede usar en tiempo real vía la Live API con gemini-3.5-transcribe-live, y hay integraciones con Agora, Fishjam, LiveKit, LangChain, Pipecat y Vercel.