Google、対話AI「Gemini 3.8 Live」など2種を発表 97言語の即時切り替えや並行作業に対応
- 米Googleは、音声対話モデル「Gemini 3.8 Live」など2種を公開しました。
- 2026年9月15日からGeminiアプリや各種APIで順次提供します。
- 音声で複雑な業務を自動化したい企業や開発者が対象です。
米Googleは2026年9月15日、新しい音声対話モデルの提供を開始しました。公開されたのは「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」の2種類です。
両モデルは、利用者が話している最中でも裏側で外部ツールやAPI (外部サービスと連携する窓口) を実行できます。会話を中断させずに作業を進められる点が特徴です。さらに、会話の途中で97言語の切り替えを自動で認識します。映像の入力にも対応し、画面の情報を踏まえた受け答えが可能です。
上位版の「Gemini 3.8 Live Extended Thinking」は、思考と発話を同時に行います。「確認します」といった自然な相槌を挟みながら、複雑な手順の進捗を声で利用者に伝えます。手書きの図面から部品のプログラムコードを生成する作業や、複数の予約手続きなどを音声のみで任せられます。
新機能は「Gemini」アプリのほか、Google Workspaceの文書作成や電子メール機能などで利用できます。利用者は画面を見ながら口頭で指示を出すだけで、作業の手を止めずに事業計画の作成やトラブル対応の案内を受けられます。
ざっくり言うと、電話で話しながら手元でテキパキと調べ物をしてくれる優秀なアシスタントがついたような変化です。
これまでの音声AIは、指示を出すと処理が終わるまで沈黙して待たされることが一般的でした。今回の技術では、相槌を打ちながら裏でツールの操作や下調べを同時に進めてくれるため、人との自然な会話に近い感覚で仕事を頼めます。
AIが「確認します」と声に出しながら裏で作業を進める仕組みには、筆者もかなり感心しました。従来の音声操作では処理中に沈黙が続き、待たされるのが当たり前だったからです。待ち時間の解消。
一方、声で指示を出しながら共同作業を進める形式は、今後のオフィスツールの主流になりそうです。
ただ、オフィスや外出先で声を出して作業できる環境は、現実にはまだまだ限られます。まずはキーボード操作と組み合わせた実用性がどこまで高まるかが判断の分かれ目だと思います。年末にかけて予定される各社オフィスツールの大型アップデートで、この音声機能がどれほど現場に浸透するかを見届けたいところです。
業務で文書作成や調査を頻繁に行っている人は、画面を見ながら声で指示を出すだけで、AIと会話を続けながら裏側で資料作成や予約処理を進められるようになります。
