Google、会話を止めずに裏でタスクを実行する音声モデル「Gemini 3.8 Live」公開 推論強化の上位版も

Googleが新音声対話モデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」をリリースした。従来の音声AIとの最大の違いは「会話を止めずに裏でタスク実行できる」点だ。人間のアシスタントが電話対応しながら同時にメールを確認したり、顧客の話を聞きながら資料を検索したりできるのと同じように、AIが複数の処理を並行実行する。映像入力もほぼリアルタイムで処理され、97言語を自動で判別・切り替える。ツール実行やAPI呼び出しは会話の背景で進むため、ユーザーは「確認しますね」といった返答を先に受け取りながら、処理の完了を待つ。

この「並行処理」能力の実装は、音声AIが事務秘書領域への道を開く意味を持つ。これまでのAIは「質問を受ける→処理する→回答する」という単一の流れだけだった。複数同時進行ができず、優先度判断もできず、待機中に別タスクを進めることもできなかった。それが解消されるなら、現場や営業の音声対応が自動ログ化され、「言い残したことをあとから検索できる」といった業務改善が現実的になる。

もう一つ注視すべき点が電子透かし「SynthID」の導入だ。生成音声すべてに埋め込まれ、後から「このAIが作った」と証明できるようになった。これは偽造防止・詐欺対策という背景を示唆している。音声で「AI生成であることを隠す」ことが技術的に困難になり、コンプライアンス面で透明性が求められる時代が近づいている。