Google 发布 Gemini 3.8 Live 语音对话模型，支持实时打断

Google 于 9 月 15 日发布了两款新的语音到语音模型：Gemini 3.8 Live 和 3.8 Live Extended Thinking。这两款模型的整体形态与 OpenAI 的 GPT-Live 系列相似，主打实时语音交互。

开发者 Simon Willison 在其博客中介绍，他用 GPT-6 Astra 阅读了相关文档，并让其生成了一个用于测试新模型的网页界面。该界面允许用户选择模型和语音预设，输入可选的系统提示词，然后直接在浏览器中开始语音对话。一个关键功能是支持在模型说话时进行打断，这对于需要实时控制的对话场景相当实用。

值得注意的是，这个测试界面的实现没有使用任何 JavaScript 库。它通过 WebSocket 连接到 Google 的 wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent 端点，并使用 Web Audio API 的 AudioContext 来处理音频的捕获与播放。这种轻量级的实现方式意味着核心交互逻辑并不复杂，为其他开发者探索类似功能提供了一个简洁的参考。