Google lanza Gemini 3.8 Live y 3.8 Live Extended Thinking, dos modelos de voz en tiempo real
Google publicó el 15 de septiembre de 2026 Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de conversación de voz a voz comparables en diseño a la familia GPT-Live de OpenAI.
👁 113 lecturas
Google lanzó el 15 de septiembre de 2026 Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos nuevos modelos de voz a voz cuyo diseño es comparable, según el desarrollador Simon Willison, al de la familia GPT-Live de OpenAI. Estos modelos representan un avance significativo en la interacción por voz con inteligencia artificial, permitiendo conversaciones en tiempo real directamente desde el navegador web sin necesidad de instalaciones complejas.
- Google lanzó el 15 de septiembre de 2026 dos modelos de voz a voz: Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking.
- Ambos modelos se conectan mediante WebSocket al endpoint wss://generativelanguage.googleapis.com y utilizan la Web Audio API para captura y reproducción de audio.
- El desarrollador Simon Willison construyó una interfaz web de demostración sin librerías externas, que permite seleccionar modelo, voz y prompt de sistema, e interrumpir al modelo mientras habla.
Qué son los modelos de voz a voz y cómo funcionan
Los modelos de voz a voz son sistemas de inteligencia artificial que pueden escuchar tu voz, procesarla y responder también con voz, todo en tiempo real. A diferencia de los sistemas tradicionales que convierten primero la voz en texto, luego procesan el texto y finalmente generan una respuesta en audio, estos modelos trabajan directamente con audio, lo que hace la conversación más natural y fluida.
Ambos modelos se comunican mediante un WebSocket que apunta al endpoint wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent. Un WebSocket es una tecnología que mantiene una conexión abierta y bidireccional entre tu navegador y los servidores de Google, permitiendo que la información fluya en ambas direcciones simultáneamente, lo cual es esencial para conversaciones en tiempo real.
Implementación técnica y herramientas disponibles
Para la captura y reproducción de audio en el navegador utilizan la Web Audio API a través de un AudioContext, sin necesidad de librerías externas. Esto significa que los desarrolladores pueden integrar estas capacidades de voz directamente en sus aplicaciones web usando tecnologías estándar del navegador, sin depender de software adicional. Google ha publicado un tutorial oficial de Gemini Live que documenta el funcionamiento de esa API de WebSockets.
Willison, que utilizó GPT-6 Astra Extra High para generar la interfaz a partir de la documentación, describe una herramienta que permite seleccionar modelo y preset de voz, definir un prompt de sistema opcional e iniciar una conversación de voz en el navegador con la posibilidad de interrumpir al modelo mientras habla. Esta última característica es especialmente importante porque hace que la interacción sea más natural, similar a una conversación humana donde puedes interrumpir educadamente cuando necesitas aclarar algo. La demo completa y el código están disponibles en su blog.
Qué significa para los usuarios de herramientas de IA
Para quienes utilizan herramientas de inteligencia artificial en su trabajo diario o proyectos personales, estos modelos abren nuevas posibilidades de interacción más naturales. En lugar de escribir consultas, ahora puedes simplemente hablar con la IA como lo harías con un asistente humano. Esto es especialmente útil cuando estás ocupado con otras tareas, cuando necesitas respuestas rápidas, o cuando escribir resulta incómodo. La capacidad de interrumpir al modelo mientras habla también mejora significativamente la experiencia, evitando tener que esperar a que termine respuestas largas cuando ya obtuviste la información que necesitabas.
Google · Tus fuentesBrilla más alto en tu Google - con un solo clicAñadir a fuentes preferidas →Preguntas frecuentes
¿Cuándo se lanzaron estos modelos de Gemini Live?
Google lanzó Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking el 15 de septiembre de 2026.
¿Qué tecnología utilizan estos modelos para funcionar en el navegador?
Utilizan WebSockets para la comunicación bidireccional con los servidores de Google y la Web Audio API a través de un AudioContext para capturar y reproducir audio, sin necesidad de librerías externas.
¿Dónde puedo encontrar documentación y ejemplos de código?
Google ha publicado un tutorial oficial de Gemini Live con la documentación de la API. Además, Simon Willison ha compartido una demo completa con código en su blog.
More on this from FULGOR
noticias·OpenAI Foundation lanza fondo de datos médicos y reparte $40 millones en sus primeras becas