谷歌推出 Gemini 3.8 Live 实时语音模型与 Lyria 3.5 音乐模型，多模态再扩容

9 月，谷歌在模型矩阵上密集更新：9 月 15 日发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型；此前 9 月 3 日已正式推出下一代音乐生成模型 Lyria 3.5。

事件背景

在 9 月 2 日 Gemini 3.8 Flash 正式版（GA）落地之后，谷歌把更新重点延伸到“实时语音”与“音频生成”两大场景，试图让与人类的自然对话与音乐创作都更接近“生产可用”。

核心内容

本轮更新的要点包括：

• Gemini 3.8 Live 主打低延迟语音代理与实时对话，支持近实时视觉输入，可在对话中自动切换 97 种语言，并能在后台执行工具与 API 调用而不打断对话。
• Gemini 3.8 Live Extended Thinking 面向高复杂度任务，支持边思考边语音交流；在 Artificial Analysis 的 Speech-to-Speech Quality Index 上以 82.6 分登顶，并在 τ-Voice 等智能体任务完成度基准上领先。
• Lyria 3.5 可生成高保真 44.1 kHz 立体声音频，支持完整歌曲（主歌/副歌）、自定义歌词与时间轴结构控制，并为所有生成音频加入 SynthID 水印。

影响与解读

语音模型从“能聊天”走向“能执行后台任务”，意味着 AI 助手可以一边与用户对话、一边完成订票、查资料等操作，语音代理正成为企业级应用的新入口。Lyria 3.5 配合 SynthID 水印，也体现了生成式音频在版权与可追溯性上的合规取向。

相关动态与展望

谷歌表示，Gemini 3.8 Live 系列已通过 Gemini API、Google AI Studio 向开发者开放，并在 Search Live 与 Gemini Live 中逐步上线；Lyria 3.5 则已进入 AI Studio、Gemini API 与 Gemini App。

信息来源：Google 官方博客、Google Gemini API 版本说明、每日经济新闻 等。