点击上方蓝字「羽飞智能」关注我们
9月15日，谷歌DeepMind发布两款实时语音模型Gemini 3.8 Live和3.8 Live扩展思考版，同日在Gemini API和Google AI Studio上线。官方定价页写得很清楚：语音输入每分钟0.005美元、输出每分钟0.018美元，连续通话一小时约1.38美元，折合人民币约10元。这个价钱已经低于一名电话客服一小时的工资，但便宜的那一档能干的活也有限，账要分开算。
一、9月15日谷歌发布了什么
两款模型都是"端到端"的语音模型：听到声音直接生成声音，中间不经过"先转文字、再想、再合成语音"的三段式流程，所以延迟低、语气自然。谷歌在发布页里强调了四件事，每一件都对应电话客服里的一个老毛病。
一是边说边办。以往的语音助手要么说完再去查，要么查的时候冷场。3.8 Live可以在后台调用接口，同时继续对话，谷歌称之为异步函数调用。落到电话里，就是客户问"我的货到哪了"，AI一边说"稍等，我查一下"，一边去物流系统查单，几秒后接着报结果，中间不断线。
二是能看。手机摄像头画面或屏幕内容可以作为对话背景。售后电话里客户把设备故障拍给AI，AI边看边指导排查。谷歌自己的演示是用它带新员工上手内部系统。
三是97种语言，对话中自动切换。客户中途从普通话换成英语或越南语，不需要重新设置。四是数字编号听得准。谷歌专门列出"字母数字精度"这一条：订单号、快递单号、验证码。电话客服最常出错的地方，恰恰是念错和听错单号。
谷歌DeepMind发布页引用的Artificial Analysis语音对话综合指数：3.8 Live扩展思考版82.6%排第一（blog.google，2026年9月15日）
二、便宜和能办事，是两个版本
谷歌把两款模型的定位分得很开：3.8 Live标准版"为规模和成本效率而建"，扩展思考版"为高复杂度任务而建"。第三方评测把这个差距量化了。Artificial Analysis的τ-Voice测试模拟真实客服流程，要求AI在对话里查信息、改记录、完成任务。上图的结果很直白：扩展思考版的完成率是标准版的两倍多，标准版连OpenAI和xAI的同类模型都没追上。
这个差距决定了怎么用。标准版适合接住"问"：营业时间、地址、报价范围、常见问题，客户问完就走。扩展思考版才办得了"事"：要查系统、改预约、办退换、核对多条信息的来电。谷歌定价页上两款模型共用一张价格表，但扩展思考版的"思考"部分按输出计费，实际花费更高：Artificial Analysis实测每小时输入音频的成本，标准版0.84美元，扩展思考版3.50美元。
τ-Voice语音智能体任务完成率对比，谷歌DeepMind发布页引用Artificial Analysis数据（blog.google，2026年9月15日）
三、账怎么算
横向比，OpenAI的GPT-Live-1于9月10日进入API，定价页写的是每分钟0.05美元，而且这只是语音层，后面负责思考的模型和工具调用另外计费。谷歌的价格是输入加输出全包，不到它的一半。按Artificial Analysis的实测口径算每小时输入音频成本，两者差距拉到近7倍。
再和人工比。南宁招聘平台上电话客服岗位常见月薪4000到6000元，按每月22个工作日、每天8小时折算，工资摊到每小时约23到34元，还没算社保、工位、培训和流失。AI按通话时长计费，不通话不花钱，夜间和节假日不加价。
但AI这边的账还有三项容易漏掉：电话线路（网络电话或运营商接入）、开发对接（把AI接到订单、预约或CRM系统）、以及出错后的人工兜底。综合看，每天几十通重复来电的小店、诊所、维修点，这笔账划得来；每通电话都要谈判、要判断的生意，AI只适合做分流和记录。
OpenAI API定价页GPT-Live-1语音会话定价：每分钟0.05美元，按秒计费，后端模型另计（developers.openai.com，2026年9月17日查阅）
四、上手前的前提清单
第一，地区限制。9月17日从国内网络打开Google AI Studio，页面直接跳转到"可用地区"说明，Gemini API同样有地区限制。真要用谷歌这套，需要海外部署或通过合规渠道，更适合面向东南亚、日本客户的业务。国内有同类选择：火山引擎的豆包实时语音模型、阿里云百炼的Qwen-Omni实时模型，能力与价格以各平台定价页为准。
第二，要有接口。模型再便宜，不接订单系统就只能背话术。"边说边办"的前提是有东西可办：库存表、物流单、预约日历至少有一个能通过接口读写。
第三，数据与合规。通话录音涉及客户个人信息。谷歌定价页注明，付费层级的数据不用于改进谷歌产品，免费层级会被用于改进产品，试用时要避开真实客户数据。国内落地要符合个人信息保护相关规定，通话前告知对方是AI接听。
第四，人工兜底。AI听不清、客户情绪激动、问题超出范围时，要能一键转人工，并把前面的对话摘要一起转过去。第五，先测再上。拿一周真实来电录音，让AI跑一遍，统计答对率和转人工率，再决定上哪一档。
Gemini API定价页Gemini 3.8 Live价格表：音频输入0.005美元/分钟、输出0.018美元/分钟，免费层级与付费层级数据用途不同（ai.google.dev，2026年9月17日查阅）
五、落到具体业务场景
接单电话。批发、建材、农资这类生意，来电大多是问价、问库存、问送货时间。标准版接得住，把价目表和库存表接上就行。预约与改期。诊所、美容、汽修，要查日程、改日程、发确认，这是扩展思考版的活。
售后查单。物流到哪了、退换怎么办、单号是多少，异步查单和数字编号精度正好对上。外贸多语言。做东盟生意的企业，越南语、泰语、印尼语来电常常没人能接，97种语言自动切换解决的就是这个问题，而且谷歌的服务在新加坡、越南、泰国、日本可以直接使用。
价格已经低到不用反复算：谷歌9月15日把语音智能体定在每小时约10元，OpenAI 9月10日的定价是它的两倍多。花时间的是把电话线、订单系统和人工兜底接起来，这一步得企业自己做，或者找人做。
信源：谷歌DeepMind博客《Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking》（2026年9月15日）；Google Developers博客《Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe》（2026年9月15日）；Gemini API定价页、Google AI Studio可用地区页（2026年9月17日查阅）；OpenAI API定价页（2026年9月17日查阅）；The Decoder《Google launches Gemini 3.8 Live to take on OpenAI's GPT-Live-1 at a fraction of the cost》（2026年9月15日）；Artificial Analysis Speech-to-Speech Index（2026年9月15日）；猎聘、智联招聘南宁客服岗位信息（2026年9月）。人民币折算按1美元约7元估算，数字为各方披露口径，以官方页面为准。
