Geminiの発表内容
Googleは2026年10月19日、音声AIモデル「gemini-3.8-live」で無音時間を防ぐ開発手法を公開しました。オープンソースの開発キット「ADK (エージェント開発キット)」を使い、Pythonで非同期の処理を実装できます。
従来の音声対話では、データベース検索などに13秒かかると、その間は完全な無音状態になっていました。今回の手法では、処理の途中経過を音声で逐次伝える仕組みに切り替えます。ベンチマーク測定では、最初の発話までの時間が14.4秒から1.2秒に短縮されました。
結果の返し方も選べます。相手の話の区切りを待って伝える設定や、緊急時に会話へ割り込む設定、文脈だけを更新する設定が用意されています。
顧客からの問い合わせ対応や注文確認の途中で、無音による通話離脱を防ぎながら、背後で複雑なデータ集計を進められるようになります。
つまり、どういうこと？
ひらたく言うと、電話口で調べ物を頼まれた店員が、「少々お待ちください、在庫を確認しています」と声に出しながら作業してくれるような仕組みです。
これまでは裏で検索している間、通話が切れたかのように完全に沈黙していました。途中の進み具合を声で教えてくれるため、利用者が不安になって電話を切ってしまう事態を防げます。
編集部の見方
14秒の沈黙から1.2秒へ。
電話口での14秒の無音は、さすがに長すぎます。通話が切れたと勘違いして利用者が切断してしまう問題は、音声エージェント導入のかなり大きな壁でした。裏側の集計処理を速くできなくても、途中経過を声で実況して間をつなぐ設計は理にかなっています。筆者はこの1.2秒という数字を見て、実用化に向けた現実的な解だと感じました。
ただ、利用者の発話を待つか割り込むかの制御は、会話のテンポを左右します。不自然な割り込みが増えると、かえって利用者のストレスになりかねません。2026年後半に各社から登場するカスタマーサポート向け音声AIで、この会話制御がどこまで自然に仕上がっているかを見届けたいところです。
誰に関係するか
「Gemini」を使った音声通話システムを構築している人は、利用者を無音で待たせることなく、時間のかかるデータ処理を実行できるようになります。
