Gemini 3.8 Live: Neue Audio‑Modelle für Sprach‑Agenten

Das Wichtigste in Kuerze

• Simultane Sprach‑ und API‑Ausführung möglich.
• Mehr als 97 unterstützte Sprachen.
• Eingabe kostet 0,005 $, Ausgabe 0,018 $ pro Minute.

Gemini 3.8 Live ist das neueste Audio‑Modell von Google Deepmind für Entwickler, die Sprach‑Agenten bauen wollen. Das System kann im Gespräch Hintergrund‑Aufrufe tätigen, visuelle Daten verarbeiten und dabei weiter sprechen.

Funktionen im Überblick

Das Modell unterstützt über 97 Sprachen und lässt sich über die Gemini‑API sowie das Google AI Studio ansteuern. Neben reiner Sprachverarbeitung kann es Bildinformationen aufnehmen und gleichzeitig weitere API‑Requests ausführen, ohne die Konversation zu unterbrechen.

Preisstruktur

Für Audio‑Eingaben wird ein Preis von 0,005 $ pro Minute berechnet, für die Ausgabe 0,018 $ pro Minute. Im Vergleich zu einem Konkurrenzangebot, das rund 0,05 $ pro Minute verlangt, liegt Gemini 3.8 Live deutlich günstiger. Eine einstündige Unterhaltung kostet demnach etwa 1,38 $.

Praxisbeispiele

Auf GitHub stehen Beispiel‑Apps bereit, die zeigen, wie das Modell in Kunden‑Support‑Chatbots oder mehrsprachige Assistenzsysteme integriert werden kann. Durch die Möglichkeit, gleichzeitig zu hören und zu sprechen, lassen sich flüssigere Dialoge realisieren.

Fazit

Für Unternehmen im deutsch‑europäischen Raum bietet Gemini 3.8 Live eine kosteneffiziente Möglichkeit, Sprach‑Agenten mit breiter Sprachunterstützung und visueller Eingabeverarbeitung zu betreiben. Die niedrigen Betriebskosten und die offene Verfügbarkeit über gängige APIs erleichtern die schnelle Implementierung im Mittelstand.