音声でAIに話しかけたとき、いちばん興ざめするのは何でしょうか。多くの人は「調べますね」と言われたあとの、数秒の沈黙を挙げるはずです。人間同士なら「今ちょっと確認してますね」と相槌を打ちながら手を動かすのに、AIは黙り込んでしまう。その“不自然な間”を埋めにきたのが、今回の発表です。

Googleは米国時間 2026年9月15日、音声（ライブ対話）モデル「Gemini 3.8 Live」と、その上位版「Gemini 3.8 Live Extended Thinking」を公開しました。公式ブログは「これまでで最も高度なライブ対話モデル」と位置づけています。日本の報道（ITmedia AI＋）も見出しで「会話を止めずに裏でタスクを実行する音声モデル」と伝えました。

何が発表されたのか

発表されたのは、用途で使い分ける2つのモデルです。

  • Gemini 3.8 Live：スケールとコスト効率に振ったモデル。会話の流暢さに加え、映像入力をほぼリアルタイムで扱う「視覚グラウンディング」を備えます。GoogleのAI検索（Search Live）などで使われます。
  • Gemini 3.8 Live Extended Thinking：「推論強化の上位版」。複雑な依頼を多段階で考えられるように作られており、「考えながら、同時に話す」のが特徴です。Gemini Live のほか、Gmail・ドキュメント・Keep（メモ）といったアプリの音声操作にも順次入ると報じられています。

“黙って待たせる”を卒業した、とはどういうことか

このモデルの核心は、会話の流れを止めずに、裏でツール呼び出しやAPI操作を実行できる点です。

従来の音声AIは、検索や外部データの取得が始まると、その処理が終わるまで黙り込みがちでした。新モデルは、「確認しますね」といった早めの相槌を打って要求をいったん受け止め、裏で作業を進めながら、進捗を声で知らせ続けます。上位版は「推論と発話を同時に」行うため、考えている最中でも会話が途切れません。人が電話口で「ええと、今調べてますね……はい、ありました」と話すのに近い感覚です。

さらに、会話の途中で言語が変わっても、97の言語を自動で検出して切り替えます。多言語の接客や問い合わせ対応でも、話し手が言語を切り替えるたびに設定し直す必要がありません。

数字で見た実力（ただし発表元の値）

Googleは、上位版が音声対話の品質指標（Artificial Analysis の「Speech to Speech Quality Index」）で総合1位（82.6）、エージェント的なタスク完了で τ-Voice 68.6%、銀行業務を模したベンチで 35.1%、音声の推論ベンチ「Big Bench Audio」で 97.7% を記録したとしています。

ただし、これらは発表元や指標提供元が示した値で、当方で独立に検証したものではありません。「1位」「最高水準」といった評価は、そのまま鵜呑みにせず“発表ベースの数字”として受け止めるのが安全です。料金についても、メディアは「他の先端モデルと比べて競争力のある価格」と伝えるだけで、具体的な金額は示されていません。

中小企業の持ち帰り

新モデルそのものを今すぐ導入する話ではありません。ただ、音声AIが「待たせない」段階に入ったことは、電話・受付・予約・問い合わせを持つ小さな会社にこそ効いてきます。持ち帰りは3点です。

  1. “間”が武器になる場面を見直す。電話応対や受付では、沈黙の数秒が「聞いてもらえていない」印象につながります。相槌を打ちながら裏で調べるAIは、この体験を自然にします。まずは自社の一次対応（営業時間・在庫・予約の可否など）で、どこに“間”が生まれているかを棚卸ししてみましょう。
  2. “裏で実行”には、権限とログの確認をセットで。会話を止めずに裏でツールやAPIを動かすということは、何を・誰の権限で実行したのかが、画面に出ず見えにくいということでもあります。音声で予約変更や送信までできるなら、「誰の指示で・何をしたか」の記録が残る仕組みかを、導入前に必ず確認してください。
  3. 日本語対応と料金は“要確認”のまま動く。「97言語対応」ですが、公式が日本語を名指しで確認したわけではなく、料金や日本での提供時期も未確認です。過度な期待で先走らず、仕組みを先に理解しておくのが、いざ来たときの速さにつながります。

音声AIは、この1〜2か月で「中身（頭脳）を選ぶ」段階（スマホの“秘書”は、中身を選べるようになる）に入り、今度は「話し方（待たせ方）」まで進化してきました。声で使うAIは、着実に“実務で使える道具”に近づいています。

参考

あわせて読みたい

※本記事は複数の公開情報をもとに作成しています。数値・評価は発表元の公表値を含み、独立検証を経ていないものがあります。