Fish Audio Live 3 Berbicara Satu Bahasa. Gemini 3.8 Live Berbicara 97 Bahasa dan Memberi Watermark Setiap Detik.

Fish Audio Live 3 dan Gemini 3.8 Live sepakat pada gagasan pentingnya dan tidak sepakat hampir dalam segala hal lainnya. Keduanya menempatkan pengambilan giliran di dalam model ucapan, bukan dalam pipeline yang terdiri dari bagian-bagian terpisah. Live 3, yang diumumkan pada 2026-11-10, mengargumentasikan hal itu secara perilaku: jeda di tengah nomor telepon bukanlah peristiwa yang sama dengan jeda di akhir pertanyaan, dan model dapat memutuskan untuk merespons dalam waktu sesingkat 186 milidetik, angka yang dilaporkan Fish Audio dan belum diaudit oleh siapa pun. Gemini 3.8 Live, yang diumumkan pada 2026-09-15, menjawab masalah yang sama dengan dokumen formal — 97 bahasa dengan peralihan di tengah percakapan, watermark SynthID pada setiap detik audio yang dihasilkan, model card yang diterbitkan, dua ID model API yang didokumentasikan, dan baris Artificial Analysis yang terbaca 76.0 pada Speech to Speech Index dengan keempat komponennya terisi.

Asimetri itu, bukan angka latensinya, yang menentukan perbandingan ini. Salah satu model ini dapat dimasukkan ke dalam dokumen pengadaan hari ini dan dipertahankan baris demi baris; model lainnya harus diinstrumentasikan oleh tim yang mengadopsinya. Dan ada poin yang lebih tajam di baliknya: perilaku yang dijual Live 3 bukanlah dimensi tempat Gemini 3.8 Live paling kuat, dan itu juga bukan dimensi yang pernah dinilai untuk Live 3 — jadi untuk saat ini pertarungan ini diputuskan oleh apa yang dapat Anda verifikasi, bukan oleh model mana yang lebih baik menangani panggilan telepon.

Kesenjangan cakupan bukan sekadar catatan kaki

Mulailah dengan apa yang akan dilakukan setiap model di luar demo, karena bagi sebagian besar pembeli, bagian ini mengakhiri evaluasi sebelum pertanyaan-pertanyaan menarik sempat diajukan.

• Bahasa — Gemini 3.8 Live mendukung 97 bahasa dan beralih di antaranya secara otomatis di tengah percakapan. Fish Audio menyatakan secara jelas bahwa Live 3 hanya berbahasa Inggris saat peluncuran. Saluran pemesanan di Madrid, antrean dukungan di São Paulo, dan meja penagihan di Warsawa bukanlah penerapan Live 3 pada kuartal ini.

• Provenans — setiap detik audio yang dihasilkan Gemini 3.8 Live membawa watermark SynthID Google, dan kedua varian suara Gemini didokumentasikan dalam kartu model yang diterbitkan dengan nama gemini-3-8-audio. Pengumuman Fish Audio tidak menyebut apa pun tentang watermarking atau metadata provenans untuk Live 3. Jika yurisdiksi Anda bergerak menuju pengungkapan suara sintetis, perbedaan itu muncul sebagai pertanyaan hukum, bukan pertanyaan rekayasa.

• Pengenal — Google menerbitkan gemini-3.8-live dan gemini-3.8-live-extended-thinking sebagai ID model yang dapat dipanggil melalui Gemini API, Live API, dan AI Studio. Pengumuman Fish Audio menyebut Live 3, tetapi tidak menerbitkan pengenal model maupun dokumentasi endpoint per model untuknya.

• Input non-audio — Gemini 3.8 Live memproses input visual hampir secara real-time, di samping dukungan kamera dan berbagi layar yang sudah dimiliki lini tersebut. Live 3 adalah audio masuk, audio keluar.

• Jalur enterprise — jalur Google adalah private preview di Gemini Enterprise, dengan edisi customer-experience yang tercantum sebagai coming soon. Jalur Fish Audio adalah Agent Platform, yang saat ini dalam public beta, plus deployment on-premises untuk pelanggan enterprise — yang merupakan penawaran yang benar-benar berbeda, dan satu-satunya tempat dalam daftar ini di mana vendor yang lebih kecil memiliki jawaban yang lebih kuat bagi pembeli yang tidak dapat mengirim audio ke public cloud.

Apa yang dapat dilihat indeks, dan apa yang tidak

Artificial Analysis membangun Speech to Speech Index-nya sebagai komposit berbobot sama dari penalaran bicara, kinerja agentik, preferensi arena, dan keberhasilan tugas, serta menilai keseluruhan sistem, bukan satu model saja. Baris Gemini 3.8 Live lengkap: indeks 76,0, Big Bench Audio 92%, waktu hingga audio pertama 1,18 detik, keberhasilan tugas 93,2%, dinamika percakapan 96,1%, Elo arena 1.083, dan 30,1% pada benchmark tugas layanan pelanggan τ-Voice. Live 3 tidak memiliki baris sama sekali per 2026-11-11; papan tersebut mencantumkan Fish Audio sebagai keluarga model dan tidak menilai satu pun karya dupleksnya.

Perhatikan baik-baik dua dari komponen itu, karena keduanya menunjukkan sesuatu yang tidak ditunjukkan judul. Angka 96,1% milik {{1}}Gemini 3.8 Live{{/1}} pada dinamika percakapan adalah angka tertinggi di barisnya dan proksi terpublikasi terdekat bagi hal yang dijual {{2}}Live 3{{/2}} — model berbasis giliran yang mencetak skor mendekati puncak ukuran pengambilan giliran. Angka 30,1%-nya pada τ-Voice adalah angka terendah di baris itu dan alasan model ini berada di peringkat kelima, bukan pertama: model ini pandai bercakap-cakap tetapi jarang menyelesaikan tugas. Solusi {{3}}Google{{/3}} sendiri untuk itu adalah varian kedua, {{4}}Gemini 3.8 Live Extended Thinking{{/4}}, yang mencapai 68,6% pada uji yang sama dan mengambil peringkat pertama pada indeks dengan 82,6 — dengan biaya audio per jam sekitar empat kali lipat.

Pelajaran dari perbandingan ini tidak nyaman bagi kedua vendor. Dinamika percakapan dan pergantian giliran alami bukanlah pengukuran yang sama, dan itulah tepatnya mengapa angka 96.1% pada satu pengukuran dan klaim tanpa skor pada pengukuran lainnya tidak dapat disandingkan. Argumen Live 3 adalah bahwa perilakunya lebih baik daripada model berbasis giliran dalam situasi tertentu — penelepon yang berhenti sejenak di tengah penyebutan nomor, atau bergumam menyetujui saat agen membacakan kembali pesanan. Sampai ada yang menjalankannya pada harness pergantian giliran, posisi yang jujur adalah bahwa Live 3 membuat klaim tentang skenario yang tidak diisolasi oleh papan yang dipublikasikan.

Asal-usul, dan pertanyaan yang akan diajukan oleh seorang peninjau

Suara adalah satu-satunya modalitas di mana tim kepatuhan menanyakan tentang output sebelum menanyakan harga. Gemini 3.8 Live punya jawaban yang siap: watermarking SynthID pada audio yang dihasilkan, kartu model yang diberi nama, dan vendor dengan sikap penggunaan bertanggung jawab yang dipublikasikan di balik keduanya. Live 3 memiliki pengumuman yang luar biasa tepat tentang perilaku percakapan dan sepenuhnya bungkam tentang bagaimana pendengar atau detektor dapat membedakan output-nya dari rekaman.

Itu bukan alasan untuk menghindari Live 3, dan itu adalah alasan untuk mengajukan pertanyaan langsung kepada Fish Audio sebelum Anda men-deploy-nya pada saluran yang merekam panggilan. Apakah audio diberi watermark, apakah sesi menghasilkan transkrip atau catatan audit, dan apa kebijakan retensi untuk keduanya adalah tiga hal yang akan diinginkan peninjau secara tertulis. Fish Audio telah mendokumentasikan autentikasi token sesi platform dan permukaan REST /v1/agent/*, jadi infrastruktur dasarnya sudah ada untuk menjawab ketiganya — perusahaan hanya belum menerbitkan jawabannya, dan sehari setelah peluncuran itu adalah keadaan normal alih-alih tanda bahaya.

Harga yang ada dan harga yang tidak ada

Gemini 3.8 Live dipublikasikan dengan tarif $0.005 per menit untuk input audio dan $0.018 per menit untuk output audio melalui Live API. Dengan demikian, panggilan lima menit dengan output terus-menerus sedikit di atas sebelas sen untuk suara, sebelum biaya model backend apa pun. Artificial Analysis mengonversi tarif Google menjadi angka per jam terhadap subset tetap berisi empat puluh pertanyaan, dan kolom turunan itu telah berubah antar pengambilan data — $0.84 per jam untuk model standar pada papan 16 September, $1.50 pada papan yang lebih baru. Keduanya adalah konversi, bukan kutipan harga; tarif per menit adalah angka yang harus dijadikan patokan anggaran.

Live 3 tidak memiliki harga. Daftar tarif Fish Audio mencantumkan drama-3 sebesar $50 per juta byte UTF-8, s2.1-pro dan s2-pro sebesar $15, s2.1-pro-free sebesar nol, dan s1 sebesar $15 dengan tanggal pensiun 2026-12-31, ditambah tiga model speech-to-text dan voice-design-1 seharga satu sen per permintaan. Live 3 tidak ada di daftar itu. Panggilan agen dupleks juga tidak memiliki jumlah byte yang alami — audio masuk adalah apa pun yang diucapkan penelepon — sehingga bahkan bentuk meterannya pun tidak dipublikasikan. Model biaya Live 3 apa pun yang ditulis hari ini adalah tebakan, dan tebakan itu harus diberi label sebagai tebakan dalam dokumen apa pun tempat ia dimasukkan.

Apa yang ada di balik suara itu

Tidak ada model yang merupakan keseluruhan sistem, dan sambungannya sama di kedua sisi. Gemini 3.8 Live menjalankan eksekusi alat dan API di latar belakang, mengakui permintaan dan terus berbicara saat panggilan diselesaikan — dan pekerjaan itu bermuara pada panggilan model biasa dengan biaya token biasa. Agent Platform milik Live 3 mengekspos hook LLM kustom yang mengarahkan penalaran agen ke endpoint apa pun yang kompatibel dengan OpenAI. Dalam kedua kasus, model ucapan adalah front end dan model teks yang melakukan pemikiran.

Lapisan itulah tempat router membuktikan perannya, dan itu satu-satunya lapisan di kedua stack yang pengalihannya murah. OrcaRouter membawa 216 model di balik satu kunci dengan harga daftar penyedia tanpa markup, sehingga pemotongan harga dari hulu berlaku pada hari yang sama, bukan pada perpanjangan kontrak berikutnya, failover otomatis menjaga panggilan tetap hidup saat backend mengalami error atau timeout, DSL routing menentukan model mana yang menangani jenis giliran tertentu, dan fusi model memungkinkan model murah menyusun draf panggilan alat sementara model yang lebih kuat memeriksanya sebelum dijalankan. Untuk lebih tepat soal batasannya: OrcaRouter tidak meng-hosting Fish Audio Live 3 atau endpoint suara Gemini 3.8 Live. Keduanya tidak memiliki endpoint suara pihak ketiga, dan lapisan ucapan di kedua stack tetap bersama vendornya. Lapisan penalaran adalah bagian yang portabel, dan bagi stack yang dibangun di atas model dengan harga pratinjau dari satu vendor dan platform beta dari vendor lain, portabilitas adalah properti yang bertahan pada rilis berikutnya.

Untuk apa masing-masing sebenarnya

Pilih Gemini 3.8 Live jika produk Anda bersifat global, jika audio meninggalkan infrastruktur Anda dan seseorang akan meminta Anda membuktikan dari mana asalnya, atau jika Anda memerlukan agen untuk melihat layar atau kamera. Produk ini memiliki kartu skor, tanda air, bahasa, tarif yang dipublikasikan, dan ID model. Kelemahannya adalah penyelesaian tugas sebesar 30.1% pada τ-Voice, dan solusi yang dijual Google untuk itu adalah varian Extended Thinking dengan biaya per jam empat kali lipat.

Pilot Fish Audio Live 3 jika panggilan Anda dalam bahasa Inggris, batasan infrastruktur Anda menyingkirkan kemungkinan penggunaan cloud publik, dan log keluhan Anda penuh dengan penelepon yang dipotong pembicaraannya atau mengulang urutan angka. Penerapan on-premises benar-benar menjadi keunggulan di sini dan sesuatu yang tidak ditawarkan Google. Bersiaplah untuk membangun evaluasi sendiri: tidak ada skor untuk dibandingkan, tidak ada harga yang dipublikasikan untuk diperkirakan, dan tidak ada watermark untuk ditunjuk.

Jangan anggap 76.0 sebagai putusan akhir tentang turn-taking. Angka itu merupakan komposit yang membobot penyelesaian tugas agentic secara berat, dan Gemini 3.8 Live justru lemah di aspek tersebut. Angka yang bisa menyelesaikan perbandingan ini adalah skor turn-taking untuk Live 3 pada harness yang sama dengan yang digunakan untuk mengukur semua model lain — dan sampai angka itu ada, kedua model ini dibandingkan berdasarkan dokumentasi, bukan berdasarkan perilaku.