
گوگل مدلهای Gemini 3.8 Live را معرفی کرد
گوگل دو مدل صوتی Gemini 3.8 Live و Gemini 3.8 Live Extended Thinking را برای مکالمات بلادرنگ و وظایف مبتنی بر استدلال معرفی کرد. این مدلها از ورودیهای صوتی، تصویری، ویدئویی و متنی پشتیبانی میکنند و از طریق Gemini API و برخی محصولات گوگل در دسترس هستند.
گوگل مدلهای Gemini 3.8 Live و Gemini 3.8 Live Extended Thinking را معرفی کرده است. این دو مدل برای تعاملات صوتی نزدیک به بلادرنگ طراحی شدهاند و بر مکالمه طبیعی، درک زمینه بصری و اجرای وظایف پیچیده تمرکز دارند. Gemini 3.8 Live گزینهای کمتأخیر و مقرونبهصرفهتر برای عاملهای صوتی و گفتوگوی بلادرنگ است، در حالی که نسخه Extended Thinking برای وظایفی با نیاز بیشتر به استدلال چندمرحلهای توسعه یافته است. Gemini 3.8 Live میتواند ورودیهای صوتی، تصویر، ویدئو و متن را پردازش کند و در میانه مکالمه میان ۹۷ زبان پشتیبانیشده جابهجا شود. این مدل همچنین از فراخوانی ناهمگام توابع (asynchronous function calling) پشتیبانی میکند و میتواند اجرای ابزارها و فراخوانیهای رابط برنامهنویسی کاربردی (API) را در پسزمینه ادامه دهد، بدون آنکه مکالمه متوقف شود. در نسخه Extended Thinking، استدلال همزمان با گفتار (reasoning while speaking) برای وظایف پیچیده ارائه شده است. مدل میتواند در حین ادامه تعامل صوتی، فرایند انجام یک کار چندمرحلهای را دنبال کند و با ارائه نشانههای گفتاری اولیه، کاربر را از ادامه پردازش مطلع نگه دارد. گوگل این قابلیتها را برای توسعه عاملهای صوتی و کاربردهای سازمانی معرفی کرده است. برای توسعهدهندگان ایرانی، این مدلها میتوانند در ساخت دستیارهای صوتی، سامانههای پشتیبانی، رابطهای مکالمهای و عاملهایی که همزمان با کاربر و ابزارهای نرمافزاری تعامل دارند، کاربرد داشته باشند. پشتیبانی از ورودی چندرسانهای و زبانهای متعدد نیز امکان طراحی تجربههای صوتی چندزبانه را فراهم میکند؛ با این حال، دسترسی عملی توسعهدهندگان به API، شرایط سرویس و محدودیتهای منطقهای باید جداگانه بررسی شود.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




