Resumo — Em 2026-09-16, o Google colocou Gemini 3.8 Live e 3.8 Live Extended Thinking na Live API em 2026-09-15: speech-to-speech nativo, troca de 97 idiomas no meio da chamada, tool calls assíncronos, grounding visual. Áudio entrada $0.005/min, saída $0.018/min. Extended Thinking lidera Artificial Analysis Speech-to-Speech com 82.6. Gemini 3.8 Flash é o modelo de texto. Live é a chamada de voz.
Paste a podcast, lecture, or meeting URL — BibiGPT turns it into chapters, a transcript, and follow-up Q&A.
Em 2026-09-16, o Google colocou Gemini 3.8 Live e 3.8 Live Extended Thinking na Live API em 2026-09-15: speech-to-speech nativo, hot-swap de 97 idiomas, tool calls assíncronos, contexto visual. Áudio entrada $0.005/min, saída $0.018/min. Extended Thinking lidera Artificial Analysis Speech-to-Speech com 82.6. Este é um produto de conversa ao vivo, não um motor de resumo.
Números públicos do anúncio da Live API e da documentação para desenvolvedores do Google — não uma alegação de que o BibiGPT roda este modelo.
O Gemini 3.8 Live raciocina sobre o áudio de entrada e de saída em um único modelo. Quem liga pode interromper, trocar de idioma no meio do turno ou continuar falando enquanto uma ferramenta roda. Isso é uma chamada ao vivo, não um resumo.
O Google reporta Gemini 3.8 Live Extended Thinking com 82.6 no Artificial Analysis Speech-to-Speech, à frente do GPT-Live-1-Astra. Entrada de áudio $0.005/min e saída $0.018/min. Esses scores e preços de lista são do Google, reafirmados aqui.
Os modelos Live entendem e geram fala em 97 idiomas e podem trocar no meio da conversa. Entradas incluem texto, imagens, áudio e vídeo. No mesmo dia, Gemini 3.5 Transcribe — um SKU separado de speech-to-text, 85+ idiomas — entrou na Gemini API.
Uma interrupção mais fluida não coloca timestamp na decisão da semana passada. O trabalho de conhecimento ainda precisa de um arquivo que você possa buscar na próxima terça.
O Gemini 3.8 Live pode continuar falando enquanto uma tool call termina em segundo plano. Depois da chamada, você ainda precisa de capítulos, uma transcrição e uma citação que consiga achar de novo. Esse trabalho é assíncrono.
Laxis State of Meetings 2026: knowledge workers passam por 21,7 reuniões por semana, cerca de 30% da semana de trabalho. Um minuto ao vivo mais barato não reduz essa pilha. Um resumo com timestamps reduz.
Edison Infinite Dial 2026: ouvintes de podcast nos EUA têm média de 8 horas e 24 minutos por semana em 6,8 shows. Os episódios que sobram precisam de uma mesa de triagem, não de outra voz ao vivo. Um resumo decide qual hora vale a pena ouvir.
Mudanças principais do lançamento da Gemini Live API do Google em 2026-09-15.
Um único modelo raciocina sobre o áudio de entrada e de saída juntos. Interrupções, trocas de idioma e backchannels ficam na mesma sessão. Pilhas antigas que transcrevem, pensam e depois falam esperam o turno terminar.
O Google reporta Gemini 3.8 Live Extended Thinking com 82.6 no Artificial Analysis Speech-to-Speech, #1 no geral, à frente do GPT-Live-1-Astra. O Live em si ficou em segundo no Speech Agent Arena. Esses scores são as evals do Google, reafirmadas aqui, não um teste que rodamos.
Entrada de áudio é $0.005 por minuto e saída de áudio $0.018 por minuto na Live API. A camada front-end do GPT-Live-1 é $0.05/min. Os preços de lista são do Google e da OpenAI, não um SKU do BibiGPT.
Tool calls rodam em segundo plano enquanto o áudio continua streaming. Entradas: texto, imagens, áudio, vídeo. Os modelos entendem e geram fala em 97 idiomas e podem trocar no meio da conversa. A documentação de desenvolvedores lista gemini-3.8-live como o padrão de baixa latência.
No mesmo dia, Gemini 3.5 Transcribe entrou na Gemini API: speech-to-text dedicado, 85+ idiomas, WER streaming 4.0% / não streaming 2.6% (Artificial Analysis, citado pelo Google). Depois da sessão você ainda precisa de capítulos que consiga buscar na semana que vem. Esse é o caminho do BibiGPT, não uma integração Live.
Onde uma camada de voz ao vivo ajuda — e onde um fluxo de notas ainda faz o trabalho.
Ouvintes nos EUA têm média de 8 horas e 24 minutos por semana em 6,8 shows (Edison Infinite Dial 2026). Uma API de voz ao vivo não faz a triagem do backlog. Gere capítulos primeiro, depois decida qual hora vale a pena ouvir completa.
Laxis 2026: 21,7 reuniões por semana, cerca de 30% da semana de trabalho. Um minuto ao vivo mais barato é útil na chamada. Na próxima terça você ainda precisa da frase que foi decidida. Arquive a gravação; busque na transcrição.
Cole a URL. Pegue capítulos antes de dar play, pule para um timestamp, exporte Markdown. O Gemini 3.8 Live não precisa estar no circuito. O fluxo de notas já roda nos arquivos que você tem.
O fluxo de notas é o produto. O blog tem a comparação longa. Esta página tem o evento.
Faça a triagem de um episódio longo em capítulos antes de gastar a hora do trajeto.
Transforme uma gravação pronta em um resumo pesquisável, não um agente ao vivo.
A API de voz full-duplex da OpenAI contra a qual este lançamento é medido.
A comparação de 2026-09-16 ao lado deste landing — duas APIs de voz ao vivo, um buraco de notas.
As alegações de lançamento vêm do anúncio do Google e de cobertura independente. Última atualização 2026-09-16. Não é uma alegação de integração.
Em 2026-09-15 o Google colocou Gemini 3.8 Live e 3.8 Live Extended Thinking na Live API: speech-to-speech nativo, function calling assíncrono, contexto visual. Entrada de áudio $0.005/min, saída de áudio $0.018/min. No mesmo dia, Gemini 3.5 Transcribe entrou na 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 o Artificial Analysis Speech-to-Speech Quality Index com 82.6, com 68.6% em τ-Voice, 35.1% em Sierra τ-Voice-banking e 97.7% em Big Bench Audio. Gemini 3.8 Live ficou em segundo no Speech Agent Arena. Números do Google, reafirmados.
Google — Gemini 3.8 Live & Gemini 3.8 Live Extended Thinking (2026-09-15) ↗Ficha de desenvolvedor: código do modelo gemini-3.8-live. Entradas texto, imagens, áudio, vídeo. Saídas texto e áudio. Live API suportada. Migração a partir do Gemini 3.1 Flash Live. Última atualização setembro de 2026.
Google AI for Developers — Gemini 3.8 Live model docs ↗Recap independente: entender e gerar em 97 idiomas com troca no meio da conversa; grounding visual; cues verbais antecipados como 'deixa eu checar'. Extended Thinking 82.6 supera GPT-Live-1-Astra no 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): WER streaming 4.0%, WER não streaming 2.6% (Artificial Analysis, citado pelo Google). 85+ idiomas. Endpoint de arquivo: labels de falante e timestamps por palavra. Endpoint Live: nenhum dos dois. Em 2026-08.
Google — Gemini 3.5 Transcribe launch (2026-08-26) ↗Ouvintes de podcast nos EUA têm média de 8 horas e 24 minutos por semana e acompanham 6,8 shows. O catálogo que sobra precisa de uma mesa de triagem, não de outra voz ao vivo.
Edison Research — The Infinite Dial 2026 (em 2026-03) ↗Knowledge workers participam de 21,7 reuniões por semana, cerca de 30% da semana de trabalho (Laxis State of Meetings 2026, em 2026-01).
Laxis — State of Meetings 2026 ↗O Gemini 3.8 Live é o modelo speech-to-speech nativo do Google na Live API, lançado em 2026-09-15. Speech-to-speech significa um único modelo que ouve e fala, não uma cadeia que transcreve, depois pensa e depois sintetiza fala. Ele cuida do turno ao vivo. Não arquiva um resumo pesquisável da chamada.
Por que as pessoas usam o BibiGPT todos os dias para transformar vídeos em texto.
Mais de 50.000 usuários no mundo todo confiam
“Colo um link e recebo legendas limpas em segundos — economizo horas de redigitação toda semana.”
Maya R.
Criadora de conteúdo · Reaproveita vídeos curtos
“Exportar a transcrição me deixa revisar palavras novas no meu ritmo, sem pausar o vídeo o tempo todo.”
Daniel K.
Estudante de idiomas · Estuda com vídeos reais
“Texto preciso e com marcação de tempo que posso citar diretamente. Sem perceber, virou parte do meu fluxo diário.”
Priya S.
Pesquisadora · Cita palestras públicas
FAQ
Tire qualquer dúvida.
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 Melhor ferramenta de resumo de vídeo Bilibili com IA em 2026? BibiGPT suporta mais de 30 plataformas com mais de 1M de usuários. Cole qualquer link Bilibili para resumos estruturados instantâneos. Compare top 5 ferramentas mais automação de agente IA.
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.
Cole um podcast, uma aula ou uma gravação de reunião no BibiGPT. Você recebe capítulos, uma transcrição pesquisável e Q&A de acompanhamento. O Gemini 3.8 Live cuida da interrupção. As notas ainda precisam de um timestamp.
