Gemini 3.8 Live continua conversando enquanto usa ferramentas
No dia 15 de setembro, o Google lançou dois modelos de voz para desenvolvedores: o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking. Os dois são modelos de fala para fala, ou seja, ouvem a pessoa e respondem em voz alta direto, sem uma etapa separada que escreve as palavras antes. É o tipo de modelo que fica por trás de um agente de voz numa linha de telefone ou num atendimento.
O Google apresenta o 3.8 Live como a opção para grande volume e custo menor, e a versão Extended Thinking para tarefas mais difíceis, com várias etapas.
O que muda numa ligação
Para quem constrói agentes de telefone, a mudança a observar é o uso de ferramentas em segundo plano. O Google diz que o 3.8 Live consegue chamar ferramentas e APIs enquanto continua falando, então ele pode dizer ao cliente que está verificando algo e seguir a conversa enquanto um agendamento ou uma consulta termina. A versão Extended Thinking raciocina enquanto fala, com frases curtas para confirmar o pedido e atualizações faladas em tarefas mais longas.
O Google também diz que os modelos recebem imagem quase em tempo real e conseguem detectar e trocar entre 97 idiomas no meio da conversa.
Os números que o Google dá
O Google diz que o Extended Thinking fica em primeiro lugar no Speech to Speech Quality Index da Artificial Analysis, com nota 82,6, e faz 68,6% no τ-Voice e 35,1% no τ-Voice-banking, da Sierra, dois testes que medem se um agente de voz conclui tarefas. O número do teste bancário mostra como essas tarefas ainda são difíceis. O 3.8 Live padrão ficou em segundo lugar na Speech Agent Arena, um ranking baseado na preferência dos usuários. O Google diz que o preço é competitivo, mas não lista valores no post.
Todo áudio dos produtos de IA do Google leva a marca d'água SynthID, uma marca invisível que permite a programas detectar que o áudio foi gerado por IA.
Onde testar
Os dois modelos estão chegando à API do Gemini e ao Google AI Studio. Para empresas, estão em prévia privada no Gemini Enterprise. Usuários comuns encontram o 3.8 Live no Search Live.
O que fazer se você tem um agente de voz
Escolha o tipo de ligação em que o cliente hoje espera mais tempo em silêncio, como a consulta de um horário livre, e refaça só esse fluxo no AI Studio com uma chamada de ferramenta em segundo plano. Escute se a pausa fica menor e se o agente diz com clareza o que está fazendo. Mantenha a primeira frase da ligação avisando que a pessoa está falando com um assistente virtual, o que na União Europeia é obrigação legal desde agosto.
O que a gente pensa
Para a gente, o silêncio enquanto uma ferramenta roda é o momento em que o cliente mais desiste de um agente de voz, então falar durante a espera resolve um problema real. Uma nota de 35,1% num teste de tarefas bancárias também mostra que esses agentes ainda precisam passar a ligação para uma pessoa em tudo que envolve dinheiro.
Fontes