Google lance Gemini 3.8 Live, deux modèles vocaux temps réel comparables à GPT-Live

👁 118 lectures

Google a publié le 15 septembre 2026 deux nouveaux modèles vocaux en temps réel - Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking - qui viennent directement concurrencer la famille GPT-Live d’OpenAI sur le terrain des conversations voix-à-voix.

Les deux modèles appartiennent à la catégorie dite speech-to-speech : ils reçoivent de l’audio en entrée et restituent de l’audio en sortie, sans passer par une étape intermédiaire de transcription textuelle exposée à l’utilisateur. La variante « Extended Thinking » suggère une capacité de raisonnement prolongé avant de répondre, dans la lignée des modèles de réflexion approfondis que plusieurs laboratoires ont mis en avant ces derniers mois.

Une intégration WebSocket sans dépendances

Sur le plan technique, les modèles sont accessibles via un endpoint WebSocket - wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent - et s’appuient sur l’AudioContext de l’API Web Audio du navigateur, aussi bien pour la capture du microphone que pour la lecture de la réponse. Cette architecture permet de construire un client fonctionnel sans recourir à aucune bibliothèque JavaScript externe, ce que le développeur Simon Willison a mis en pratique dès le jour du lancement.

Willison a en effet utilisé GPT-6 Astra Extra High pour lire la documentation officielle et générer automatiquement une interface web permettant de tester les nouveaux modèles. Cette interface offre la sélection du modèle, le choix d’un préréglage de voix, la saisie d’un prompt système optionnel, et la possibilité d’interrompre le modèle pendant qu’il parle - une fonctionnalité clé pour des échanges naturels.

Pour les développeurs souhaitant intégrer ces modèles, Google a mis à disposition un tutoriel Gemini Live détaillant l’utilisation de l’API WebSocket bidirectionnelle. Ce point d’entrée bas niveau donne un contrôle fin sur le flux audio, au prix d’une implémentation plus technique que les SDK de haut niveau habituellement proposés.

Le lancement de Gemini 3.8 Live intervient dans un contexte où les interfaces vocales deviennent un terrain de compétition directe entre Google et OpenAI. La dénomination « 3.8 » indique que ces modèles s’inscrivent dans la lignée de la famille Gemini existante, sans constituer une rupture de génération. Leur disponibilité immédiate via une API WebSocket standard abaisse sensiblement la barrière à l’intégration pour les développeurs web, qui n’ont besoin que d’une clé API et d’un navigateur moderne pour commencer à expérimenter.

// lire la suiteGemini 4 Argon vs Gemini 3.1 Pro : quelles différences ?BenchmarksGemini 4 Argon pour coder : test et benchmarksBenchmarksGemini 4 Argon invente-t-il des sources ? Test de 16 référencesBenchmarks

Kinetyra