Google verankert seine Sprach-KI Gemini Live tiefer in den Workspace-Apps. Gleichzeitig startet der Konzern neue Audio-Modelle der Reihe Gemini 3.8 mit angepassten Preisen.
Sprachassistenz in Gmail, Docs und Keep nach Abo-Stufe
Google erweitert Gemini Live zunächst in den Kernanwendungen Gmail, Docs und Keep des Workspace-Ökosystems. Nutzer:innen können ihr Postfach, Dokumente und Notizen künftig verstärkt per Sprache steuern. In Gmail beantwortet Gemini Live komplexe Fragen zum Inhalt des Postfachs, ohne dass Ihr Euch durch einzelne Nachrichten klicken müsst. In Google Docs hilft die KI beim Erstellen von Entwürfen, während Keep Live gesprochene Notizen automatisch ordnet und strukturiert.
Der Zugriff auf diese Funktionen hängt von der gewählten Abo-Stufe ab. Gmail Live und Keep Live sind in den Tarifen Google KI Plus, Pro und Ultra enthalten. Docs Live bleibt auf die Abonnements Pro und Ultra beschränkt. Auch mobil gibt es Einschränkungen: Unter Android und iOS steht Gmail Live allen drei genannten Stufen zur Verfügung. Keep Live ist dagegen vorerst nur für Android-Nutzer:innen der Tarife Pro und Ultra freigeschaltet. Docs Live lässt sich auf Smartphones und Tablets ebenfalls nur mit Pro- und Ultra-Abos verwenden.
Technisch basieren alle genannten Sprachfunktionen auf dem im August vorgestellten Modell Gemini 3.5 Transcribe. Workspace-Kund:innen sollen die Integration „in Kürze“ erhalten, einen konkreten Starttermin für Business-Kund:innen nennt Google noch nicht.
Gemini 3.8 Live: neue Audio-Modelle und Kennzahlen
Parallel zur Ausweitung von Gemini Live in den Apps hat Google Mitte September die Modelle Gemini 3.8 Live und Gemini 3.8 Live Erweitertes Denken veröffentlicht. Beide Varianten sind über die Gemini-Programmierschnittstelle und das KI-Studio allgemein verfügbar. Die neuen nativen Audio-Modelle unterstützen mehr als 97 Sprachen, darunter Arabisch, Chinesisch, Hindi, Portugiesisch und Französisch.
Eine Besonderheit ist die Möglichkeit, während eines laufenden Gesprächs dynamisch die Sprache zu wechseln. Außerdem kann die KI durch asynchrones Funktionsaufrufen Werkzeuge einbinden, während sie spricht. Laut Untersuchungen von Artificial Analysis erreicht Gemini 3.8 Live Erweitertes Denken 82,6 Punkte im Sprach-zu-Sprach-Qualitätsindex. Bei der agentenbasierten Aufgabenerfüllung liegt der Wert bei 68,6 Prozent. Den gleichen Wert erzielt das Modell im Bereich ?-Stimme.
In der Kategorie ?-Stimme-Banking kommt Gemini 3.8 Live Erweitertes Denken auf 35,1 Prozent. Im Benchmark Big Bench Audio erreicht das Modell 97,7 Prozent. Zur Kennzeichnung der erzeugten Inhalte setzt Google auf die SynthID-Technologie, die generierte Audiodaten markiert.
Für die Audio-Nutzung von Gemini 3.8 Live legt Google einen Preis von 3 US-Dollar (rund 2,75 Euro) pro einer Million Eingabe-Token fest, was etwa 0,005 US-Dollar (rund 0,005 Euro) pro Minute entspricht. Für eine Million Ausgabe-Token werden 12 US-Dollar (rund 11,00 Euro) fällig, umgerechnet etwa 0,018 US-Dollar (rund 0,017 Euro) pro Minute.
Konkurrierende KI-Sprachagenten aus China
Der Wettbewerb bei KI-Sprachagenten verschärft sich. Das chinesische Unternehmen NetEase Youdao hat Mitte September in Peking eine umfassende KI-Agenten-Matrix vorgestellt, die sich auf Büroarbeit, Lernen und Marketing konzentriert. Firmenchef Zhou Feng betont, dass sich der Wettbewerb von einzelnen Modellen hin zu Kombinationen aus Modell, Agent und Arbeitsabläufen verschiebt.
Neu ist unter anderem der kostenlose KI-Sprachagent Bage Shuo, der gesprochene Sprache direkt in strukturierten Text überführt. Nach Angaben des Unternehmens kann Bage Shuo Aufgaben bis zu fünfmal schneller erledigen als Tippen. Google-Daten stützen den generellen Trend zur Spracheingabe und gehen davon aus, dass sie im Schnitt etwa 2,5-mal schneller ist als manuelle Eingabe.
Bage Shuo unterstützt Übersetzungen in 124 Sprachen und soll in Fachgebieten wie Wirtschaft, Physik und Medizin eine Genauigkeit von bis zu 98 Prozent erreichen. Zusätzlich hat NetEase Youdao die Modellmatrix Ziyue, LobsterKI 2.0 sowie die Hardware OpenPods präsentiert.
