Google impulsiona IA de voz com Gemini 3.8 Live e Gemini 3.5 Transcribe

O Google reforça seu portfólio em IA de voz com os lançamentos do Gemini 3.8 Live, do Gemini 3.8 Live Extended Thinking e a reiteração do Gemini 3.5 Transcribe. O foco principal é capacitar desenvolvedores a criarem aplicações de voz em tempo real, com destaque para a interação natural e a precisão técnica. O Gemini 3.8 Live é um modelo de fala para fala capaz de manter diálogos complexos e executar tarefas, incorporando chamadas de função assíncronas, contexto visual e precisão alfanumérica, crucial para dados técnicos e códigos.

Já o Gemini 3.8 Live Extended Thinking eleva essa capacidade, adicionando raciocínio mais profundo para requisições complexas, como multi-etapas, enquanto narra seu progresso. O Gemini 3.5 Transcribe, por sua vez, foca na conversão de fala para texto de alta precisão, suportando mais de 85 idiomas. Ele se destaca pela capacidade de lidar com code-switching automático, vocabulário personalizado e um modo de transcrição inteligente que entrega textos polidos e formatados, eliminando palavras de preenchimento. Ambos os modelos são acessíveis via Gemini API e Google AI Studio, contando com parceiros de integração como Agora e Vercel para infraestrutura de streaming.

A cobertura anterior do CEVIU News já detalhava a chegada do Gemini Live API em 31 de julho de 2026, estabelecendo a infraestrutura para interações multimodais em tempo real. Agora, os modelos Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking chegam para capitalizar essa base, oferecendo as capacidades de fala para fala e raciocínio complexo que antes eram apenas potenciais da API.

No caso do Gemini 3.5 Transcribe, anunciado em 27 de agosto de 2026, ele é agora destacado como parte integrante da suíte de áudio em tempo real do Google. Isso mostra uma consolidação e um amadurecimento das ofertas de IA de voz da empresa, transformando uma promessa de API em soluções específicas e poderosas para desenvolvedores.

Essas inovações são um salto para a IA conversacional, permitindo que agentes de voz não apenas respondam, mas também entendam contextos visuais, executem tarefas complexas e lidem com uma comunicação mais humana. Para desenvolvedores, significa a possibilidade de criar interfaces de voz que antes eram difíceis ou impossíveis de implementar com baixa latência e alta precisão. O impacto se estende desde assistentes virtuais mais inteligentes até soluções de atendimento ao cliente e acessibilidade, democratizando o acesso a tecnologias de ponta.

O posicionamento estratégico do Google com esses modelos reforça sua competição no cenário global da IA, oferecendo ferramentas que podem redefinir a forma como interagimos com a tecnologia por meio da voz. A precisão, a capacidade de raciocínio estendido e o suporte a múltiplos idiomas abrem caminho para aplicações globais e mais inclusivas, com um custo competitivo para escalar.