TL;DR — Al 2026-09-16, Google puso Gemini 3.8 Live y 3.8 Live Extended Thinking en la Live API el 2026-09-15: Speech-to-Speech nativo, cambio de idioma a mitad de llamada en 97 idiomas, llamadas a tools async, anclaje visual. Audio de entrada $0.005/min, de salida $0.018/min. Extended Thinking lidera Artificial Analysis Speech-to-Speech con 82.6. Gemini 3.8 Flash es el modelo de texto rápido. Live es la llamada de voz.
Paste a podcast, lecture, or meeting URL — BibiGPT turns it into chapters, a transcript, and follow-up Q&A.
Al 2026-09-16, Google puso Gemini 3.8 Live y 3.8 Live Extended Thinking en la Live API el 2026-09-15: Speech-to-Speech nativo, cambio en caliente de 97 idiomas, llamadas a tools async, contexto visual. Audio de entrada $0.005/min, de salida $0.018/min. Extended Thinking lidera Artificial Analysis Speech-to-Speech con 82.6. Es un producto de conversación en vivo, no un motor de resumen.
Números públicos del anuncio de la Live API y la documentación para desarrolladores de Google — no un reclamo de que BibiGPT ejecute este modelo.
Gemini 3.8 Live razona sobre el audio entrante y saliente en un solo modelo. Quien llama puede interrumpir, cambiar de idioma a mitad del turno o seguir hablando mientras corre una tool. Eso es una llamada en vivo, no un resumen.
Google reporta Gemini 3.8 Live Extended Thinking en 82.6 en Artificial Analysis Speech-to-Speech, por delante de GPT-Live-1-Astra. El audio de entrada cuesta $0.005/min y el de salida $0.018/min. Esos puntajes y precios de lista son de Google, reexpresados aquí.
Los modelos Live entienden y generan habla en 97 idiomas y pueden cambiar a mitad de conversación. Las entradas incluyen texto, imágenes, audio y video. El mismo día, Gemini 3.5 Transcribe — un SKU de speech-to-text aparte, 85+ idiomas — llegó a la Gemini API.
Una interrupción más suave no pone marca de tiempo a la decisión de la semana pasada. El trabajo de conocimiento sigue necesitando un archivo que puedas buscar el martes que viene.
Gemini 3.8 Live puede seguir hablando mientras una llamada a tool termina en segundo plano. Después de la llamada, aún necesitas capítulos, una transcripción y una cita que puedas encontrar otra vez. Ese trabajo es async.
Laxis State of Meetings 2026: los knowledge workers pasan por 21.7 reuniones a la semana, cerca del 30% de la semana laboral. Un minuto en vivo más barato no achica ese montón. Un resumen con marca de tiempo sí.
Edison Infinite Dial 2026: los oyentes de podcasts en EE. UU. promedian 8 horas 24 minutos a la semana en 6.8 shows. Los episodios que sobran necesitan un escritorio de triaje, no otra voz en vivo. Un resumen decide qué hora vale la pena escuchar.
Cambios destacados del lanzamiento de la Gemini Live API de Google el 2026-09-15.
Un solo modelo razona sobre el audio entrante y saliente a la vez. Interrupciones, cambios de idioma y backchannels quedan en la misma sesión. Las cadenas antiguas que transcriben, piensan y luego hablan esperan a que termine el turno.
Google reporta Gemini 3.8 Live Extended Thinking en 82.6 en Artificial Analysis Speech-to-Speech, #1 en general, por delante de GPT-Live-1-Astra. Live mismo quedó segundo en Speech Agent Arena. Esos puntajes son las evals de Google, reexpresadas aquí, no una prueba que corrimos nosotros.
La entrada de audio cuesta $0.005 por minuto y la salida $0.018 por minuto en la Live API. La capa front-end de GPT-Live-1 es $0.05/min. Los precios de lista son de Google y OpenAI, no un SKU de BibiGPT.
Las llamadas a tools corren en segundo plano mientras el audio sigue en streaming. Entradas: texto, imágenes, audio, video. Los modelos entienden y generan habla en 97 idiomas y pueden cambiar a mitad de conversación. La documentación para desarrolladores lista gemini-3.8-live como el default de baja latencia.
El mismo día, Gemini 3.5 Transcribe llegó a la Gemini API: speech-to-text dedicado, 85+ idiomas, streaming WER 4.0% / non-streaming 2.6% (Artificial Analysis, citado por Google). Después de la sesión aún necesitas capítulos que puedas buscar la semana que viene. Ese es el camino de BibiGPT, no una integración de Live.
Dónde ayuda una capa de voz en vivo — y dónde un flujo de notas sigue haciendo el trabajo.
Los oyentes en EE. UU. promedian 8 horas 24 minutos a la semana en 6.8 shows (Edison Infinite Dial 2026). Una API de voz en vivo no tria el backlog. Genera capítulos primero, luego decide qué hora vale la pena escuchar completa.
Laxis 2026: 21.7 reuniones a la semana, cerca del 30% de la semana laboral. Un minuto en vivo más barato sirve en la llamada. El martes que viene aún necesitas la frase que se decidió. Archiva la grabación; busca en la transcripción.
Pega la URL. Obtén capítulos antes de darle play, salta a una marca de tiempo, exporta Markdown. Gemini 3.8 Live no tiene que estar en el circuito. El flujo de notas ya corre sobre archivos que posees.
El flujo de notas es el producto. El blog tiene la comparación larga. Esta página tiene el evento.
Tria un episodio largo en capítulos antes de gastar la hora del commute.
Convierte una grabación terminada en un resumen buscable, no un agente en vivo.
La API de voz full-duplex de OpenAI contra la que se mide este lanzamiento.
La comparación del 2026-09-16 junto a este landing — dos APIs de voz en vivo, un hueco de notas.
Las afirmaciones de lanzamiento vienen del anuncio de Google y de cobertura independiente. Última actualización 2026-09-16. No es un reclamo de integración.
El 2026-09-15 Google puso Gemini 3.8 Live y 3.8 Live Extended Thinking en la Live API: Speech-to-Speech nativo, async function calling, contexto visual. Entrada de audio $0.005/min, salida $0.018/min. El mismo día, Gemini 3.5 Transcribe llegó a la Gemini API (85+ idiomas).
Google — Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe (2026-09-15) ↗Gemini 3.8 Live Extended Thinking lidera el Artificial Analysis Speech-to-Speech Quality Index con 82.6, con 68.6% en τ-Voice, 35.1% en Sierra τ-Voice-banking y 97.7% en Big Bench Audio. Gemini 3.8 Live quedó segundo en Speech Agent Arena. Números de Google, reexpresados.
Google — Gemini 3.8 Live & Gemini 3.8 Live Extended Thinking (2026-09-15) ↗Ficha para desarrolladores: código de modelo gemini-3.8-live. Entradas texto, imágenes, audio, video. Salidas texto y audio. Live API compatible. Migración desde Gemini 3.1 Flash Live. Última actualización septiembre 2026.
Google AI for Developers — Gemini 3.8 Live model docs ↗Recap independiente: entender y generar 97 idiomas con cambio a mitad de conversación; anclaje visual; señales verbales tempranas como «déjame revisar». Extended Thinking 82.6 supera a GPT-Live-1-Astra en Artificial Analysis Speech-to-Speech.
SiliconANGLE — Google's new speech model Gemini 3.8 Live (2026-09-15) ↗Gemini 3.5 Transcribe (2026-08-26, API 2026-09-15): streaming WER 4.0%, non-streaming WER 2.6% (Artificial Analysis, citado por Google). 85+ idiomas. Endpoint de archivo: etiquetas de hablante y marcas de tiempo a nivel de palabra. Endpoint Live: ninguna de las dos. Al 2026-08.
Google — Gemini 3.5 Transcribe launch (2026-08-26) ↗Los oyentes de podcasts en EE. UU. promedian 8 horas 24 minutos a la semana y siguen 6.8 shows. El catálogo que sobra necesita un escritorio de triaje, no otra voz en vivo.
Edison Research — The Infinite Dial 2026 (al 2026-03) ↗Los knowledge workers asisten a 21.7 reuniones a la semana, cerca del 30% de la semana laboral (Laxis State of Meetings 2026, al 2026-01).
Laxis — State of Meetings 2026 ↗Gemini 3.8 Live es el modelo Speech-to-Speech nativo de Google en la Live API, lanzado el 2026-09-15. Speech-to-Speech significa que un solo modelo escucha y habla, no una cadena que transcribe, luego piensa y luego sintetiza voz. Maneja el turno en vivo. No archiva un resumen buscable de la llamada.
Por qué la gente usa BibiGPT cada día para convertir vídeos en texto.
Más de 50 000 usuarios en todo el mundo confían en nosotros
“Pego un enlace y obtengo subtítulos limpios en segundos: me ahorra horas de transcripción cada semana.”
Maya R.
Creadora de contenido · Reutiliza vídeos cortos
“Exportar la transcripción me permite repasar vocabulario a mi ritmo en lugar de pausar el vídeo constantemente.”
Daniel K.
Estudiante de idiomas · Estudia con vídeos reales
“Texto preciso con marcas de tiempo que puedo citar directamente. Sin darme cuenta, ya es parte de mi rutina diaria.”
Priya S.
Investigadora · Cita charlas públicas
FAQ
Resolvemos cualquier duda.
1 Install a video-summary skill into DeepSeek Harness in one copy-paste — SKILL.md matches Claude Code. Or skip dsh: paste a Bilibili or YouTube link in the browser and get a timestamped summary.
2 ¿Mejor herramienta de resumen de video con IA para Bilibili en 2026? BibiGPT soporta 30+ plataformas con 1M+ usuarios. Pega cualquier link de Bilibili para resúmenes estructurados al instante. Compara las top 5 herramientas más automatización con AI agent.
3 Extract Bilibili subtitles free: paste a BV/av link for a transcript even with no captions. Compare 5 tools for SRT export and AI summary. No signup to start.
Pega un podcast, una clase o una grabación de reunión en BibiGPT. Obtienes capítulos, una transcripción buscable y Q&A de seguimiento. Gemini 3.8 Live maneja la interrupción. Las notas siguen necesitando una marca de tiempo.
