Google lança dois modelos de voz que chamam API no meio da conversa
Google anunciou dois novos modelos para a família Gemini Audio em 16 de setembro. São eles o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking.
Google anunciou dois novos modelos para a família Gemini Audio em 16 de setembro. São eles o Gemini 3.8 Live e o Gemini 3.8 Live Extended Thinking. Ambos foram construídos para o ritmo rápido das interações por voz.
A divisão de papéis ficou clara. Contudo, o primeiro atende o Search Live, enquanto o segundo roda no Gemini Live.
Google separa conversa fluida de raciocínio em várias etapas
O Gemini 3.8 Live nasceu para escala. Ele combina diálogo fluido com interpretação visual em tempo real.
O Gemini 3.8 Live Extended Thinking segue outro caminho. Além disso, esse modelo foi construído para tarefas complexas, com raciocínio em múltiplas etapas.
Essa separação tem lógica de produto. Conversa comum exige latência baixa, enquanto tarefa difícil aceita alguns segundos a mais.
Portanto, a escolha do modelo vira decisão de arquitetura no seu backend↳Back-end49 conteúdosIntegração front-end com backend: 7 decisões que evitam caos entre APIs, BFF e GraphQLDev (Back & Front) · abr 2026Como criar uma FAKE API REST para testes — JSONPlaceholderDev (Back & Front) · set 2025Construindo um aplicativo de bate-papo de IA simples com Spring AI e AngularDev (Back & Front) · jul 2025Ver tudo em Dev (Back & Front) →.
A execução em segundo plano muda o desenho de agentes por voz
Aqui está o recurso mais relevante para quem desenvolve. Os modelos executam chamadas de API e de ferramentas em segundo plano, sem interromper a conversa.
Pense no efeito prático. O usuário continua falando enquanto a consulta ao seu sistema acontece. Assim, o silêncio constrangedor de espera desaparece do fluxo.
Há outros recursos na lista divulgada. Os modelos alimentam o contexto do diálogo com imagens e analisam sequências alfanuméricas com exatidão.
Esse último ponto merece destaque. Códigos de pedido, placas e números de série sempre travaram assistentes de voz.
O contexto dinâmico completa o pacote. Você adiciona dados estruturados ao diálogo e recebe respostas conscientes daquele conteúdo. Além disso, o suporte cobre múltiplos idiomas.
Google mostra benchmarks com disputa acirrada
Nos testes destacados pela empresa, o Extended Thinking aparece à frente no Speech to Speech Index. Os concorrentes citados foram o GPT Live 1 Astra e o Grok Think Fast 2.0.
A vantagem, contudo, encolhe em Agentic Performance. Nessa categoria, a disputa ficou bem apertada.
Vale a leitura cuidadosa. Benchmarks divulgados pelo próprio fornecedor servem como ponto de partida, e o seu teste decide a escolha final.
Onde acessar cada modelo hoje
Para desenvolvedores, os dois chegam pela API Gemini e pelo Google AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → Studio.
O público geral encontra o Gemini 3.8 Live no Search Live, a busca por voz da empresa. O Extended Thinking, por sua vez, roda no app Gemini e na ferramenta Gemini Live.
As integrações com o Workspace atendem assinantes dos planos Google AI Pro e Google AI Ultra. No Gmail e no Keep, o acesso vale para todos os planos Google AI.
Todo áudio gerado carrega a marca d’água invisível SynthID.
O que revisar antes de plugar isso no seu produto
Comece pelo desenho das ferramentas. Funções chamadas durante a conversa precisam responder rápido e falhar de forma previsível.
Depois, defina o comportamento em caso de erro. O assistente continua falando enquanto a sua API demora, e o roteiro para timeout precisa existir.
Cuide também dos dados enviados no contexto dinâmico. Estruture apenas o necessário para aquela etapa do diálogo.
Além disso, teste com áudio real do seu público. Sotaque, ruído de fundo e vocabulário do domínio mudam bastante o resultado.
Por fim, meça latência ponta a ponta. Tempo de modelo, tempo da sua API e tempo de síntese somam na percepção do usuário.
O que acompanhar nas próximas semanas
Fique atento aos preços por minuto de áudio na API. Acompanhe também relatos independentes sobre a precisão em sequências alfanuméricas.
Enquanto isso, vale prototipar um caso pequeno. Consulta de status de pedido por voz costuma revelar rápido os limites do modelo.
Acompanhe nosso perfil no Instagram!
Matérias especiais e reportagens conduzidas internamente pela Redação iMasters. Acompanhe no Twitter @imasters e no Instagram/Threads @portalimasters
