Fish Audio Live 3 只會說一種語言。Gemini 3.8 Live 會說 97 種語言，而且每秒都加上浮水印。

Fish Audio Live 3 與 Gemini 3.8 Live 在核心觀念上一致，其餘幾乎所有方面則分歧。兩者都把輪流發言機制放進語音模型內，而非放在由獨立部件組成的管線中。於 2026-11-10 發表的 Live 3 從行為面論證這點：電話號碼中間的停頓，和問題結尾的停頓並非同一種事件，而模型可以決定在短短 186 毫秒內回應——這個數字由 Fish Audio 回報，尚無人稽核。於 2026-09-15 發表的 Gemini 3.8 Live 則以文件規格回應同一問題——支援 97 種語言並可在對話中途切換、每一秒生成音訊都帶有 SynthID 浮水印、公開的模型卡、兩個有文件記載的 API 模型 ID，以及 Artificial Analysis 中一列在 Speech to Speech Index 上讀數為 76.0、且其四個組成部分皆填寫完整的項目。

決定這場比較的是那種不對稱性，而不是延遲數字。其中一個模型今天就能寫進採購文件，並逐行辯護；另一個則必須由採用它的團隊自行建置量測機制。而且底下還有更尖銳的一點：Live 3 所推銷的行為表現，並不是 Gemini 3.8 Live 最強的面向，也不是 Live 3 曾被評分的面向——所以目前這場對決取決於你能驗證什麼，而不是哪個模型更會處理電話通話。

覆蓋缺口並非註腳

先從每個模型在示範之外實際會做什麼談起，因為對大多數買家而言，這一節就讓評估劃下句點，還沒輪到有意思的問題上場。

• 語言 — Gemini 3.8 Live 支援 97 種語言，並能在對話途中自動切換。Fish Audio 明確表示，Live 3 在推出時僅支援英文。馬德里的預約專線、聖保羅的客服佇列，以及華沙的催收櫃檯，都不是本季的 Live 3 部署。

• 來源溯源 — Gemini 3.8 Live 所生成的每一秒音訊都帶有 Google 的 SynthID 浮水印，而且兩種 Gemini 語音變體都記載於以這個名稱發布的模型卡中：gemini-3-8-audio。Fish Audio 的公告對 Live 3 的浮水印或來源中繼資料隻字未提。若你所在的司法管轄區正逐步要求合成語音揭露，這項差異就會以法律問題而非工程問題的形式出現。

• 模型識別碼 — Google 透過 Gemini API、Live API 與 AI Studio，將 gemini-3.8-live 與 gemini-3.8-live-extended-thinking 發布為可呼叫的模型 ID。Fish Audio 的公告雖提及 Live 3，卻未公布任何模型識別碼，也未提供其各模型專屬的端點說明文件。

• 非音訊輸入 — Gemini 3.8 Live 能近乎即時地處理視覺輸入，這是在該產品線原本已具備的攝影機與螢幕分享支援之外新增的能力。Live 3 則是音訊輸入、音訊輸出。

• 企業路線——Google 的做法是在 Gemini Enterprise 中提供私人預覽，客戶體驗版則列為即將推出。Fish Audio 的路線是 Agent Platform，目前處於公開測試階段，另外還為企業客戶提供地端部署——這確實是截然不同的方案，也是這份清單中唯一一處，較小的廠商能為無法將音訊送往公有雲的買家提供更有力的答案。

索引能看到什麼，以及看不到什麼

Artificial Analysis 將其 Speech to Speech Index 建構為語音推理、代理式表現、競技場偏好與任務成功率的等權重綜合指標，並對整個系統而非單一模型評分。Gemini 3.8 Live 的資料列已完整：指數 76.0、Big Bench Audio 92%、首次音訊時間 1.18 秒、任務成功率 93.2%、對話動態 96.1%、競技場 Elo 1,083，以及在 τ-Voice 客服任務基準上達 30.1%。截至 2026-11-11，Live 3 完全沒有資料列；排行榜將 Fish Audio 列為模型家族，卻未對其任何雙工成果評分。

仔細看其中兩項組成指標，因為它們透露了標題沒說的事。Gemini 3.8 Live 在對話動態上拿下 96.1%，是該列最高的數字，也是最接近 Live 3 所主打能力的一項公開替代指標——一個回合制模型在輪流發言這項量測上拿到接近頂端的成績。它在 τ-Voice 上的 30.1% 則是該列最低的數字，也是它排名第五而非第一的原因：它很會對話，卻很少把任務完成。Google 對此的解法是推出第二個版本 Gemini 3.8 Live Extended Thinking，它在同一項測試中達到 68.6%，並以 82.6 分登上該指數榜首——代價是每小時音訊成本約為四倍。

這項比較帶來的教訓，對兩家供應商都不好受。對話動態與自然的輪替發言並不是同一種量測，這正是為什麼一邊的 96.1% 與另一邊未經評分的說法無法相提並論。Live 3 的論點是：在某個特定情境下，它的行為優於輪流發言式模型——例如來電者在號碼中途停頓，或在客服人員複誦訂單時低聲表示同意。除非有人在輪替發言測試框架上實際跑過，否則誠實的立場是：Live 3 所主張的情境，並未被已公布的評測榜單單獨區分出來。

溯源，以及審查者會問的問題

語音是唯一一種模態：合規團隊會先詢問輸出，再問價格。Gemini 3.8 Live 已備好答案：對生成的音訊套用 SynthID 浮水印、具名的模型卡，以及一家已公開負責任使用立場、同時作為這兩者後盾的供應商。Live 3 則有一份公告，對對話行為的描述異常精確，卻完全沒說明聽者或偵測器如何分辨其輸出與錄音。

這不是避開 Live 3 的理由，也是在你把它部署到會錄製通話的線路之前，直接向 Fish Audio 提出明確問題的理由。音訊是否加上浮水印、工作階段是否會產生逐字稿或稽核記錄，以及這兩者的保留政策為何，是審查人員會希望看到書面說明的三個項目。Fish Audio 已記錄平台的 session-token 驗證機制及其 /v1/agent/* REST 介面，因此回答這三個問題的基礎機制已經存在——該公司只是尚未公布答案，而在推出後一天，這是正常狀態，而非警訊。

存在的價格，以及不存在的價格

Gemini 3.8 Live 透過 Live API 公布的價格為每分鐘音訊輸入 $0.005、每分鐘音訊輸出 $0.018。因此，一通持續輸出的五分鐘通話，在尚未計入任何後端模型成本之前，光是語音部分就略高於十一美分。Artificial Analysis 會依固定的四十題子集，將 Google 的費率換算成每小時的金額，而這個衍生欄位在不同次擷取之間有所變動——在 9 月 16 日的榜單中，標準模型為每小時 $0.84，在較晚的一次擷取中則為 $1.50。兩者都是換算值，而非報價；每分鐘費率才是編列預算時應依據的數字。

Live 3 沒有價格。Fish Audio 的價目表列出 drama-3 為每百萬 UTF-8 位元組 50 美元，s2.1-pro 和 s2-pro 為 15 美元，s2.1-pro-free 為零，s1 為 15 美元且退役日期為 2026-12-31，另有三個語音轉文字模型，以及 voice-design-1 每次請求一美分。Live 3 不在其中。雙工代理通話也沒有自然的位元組計數——輸入音訊取決於來電者說什麼——因此連計量器的形式都未公布。今天寫出的任何 Live 3 成本模型都只是猜測，而且無論這項猜測出現在哪份文件中，都應標明為猜測。

聲音背後是什麼

這兩個模型都不是完整的系統，而兩側的接縫完全相同。Gemini 3.8 Live 會在背景執行工具與 API，先確認請求，並在呼叫完成期間繼續對話——而這些工作最終會化為一般的模型呼叫，產生一般的 token 成本。Live 3 的 Agent Platform 提供自訂 LLM 掛鉤，可將代理的推理導向任何與 OpenAI 相容的端點。在這兩種情況下，語音模型都是前端，實際思考則由文字模型負責。

那一層正是路由器得以立足之處，也是兩套堆疊中唯一一個切換成本低廉的層級。OrcaRouter 乘載216 個模型，只需單一金鑰，依供應商定價、零加成，因此上游降價當天就能反映，而不必等到下一次合約續約；後端出錯或逾時時，自動容錯轉移能讓通話維持不中斷；路由 DSL 決定哪一類對話回合由哪個模型處理；模型融合則讓便宜的模型先草擬工具呼叫，再由更強的模型在實際觸發前檢查。把界線說清楚：OrcaRouter 並不託管 Fish Audio Live 3 或 Gemini 3.8 Live 語音端點。兩者都沒有第三方語音端點，而兩套堆疊中的語音層都留在各自的供應商那裡。推理層才是可攜的部分，而對於一套建立於某家供應商的預覽價模型與另一家 Beta 平台之上的堆疊而言，可攜性正是能撐過下一次版本更新的特性。

每個實際上是用來做什麼的

選擇 Gemini 3.8 Live，前提是你的產品具備全球規模、音訊會離開你的基礎架構而有人會要求你證明其來源，或者你需要讓代理看見螢幕或攝影機畫面。它具備評分卡、浮水印、多語言支援、公開費率與模型 ID。它的弱點在於任務完成率僅 30.1%（τ-Voice），而 Google 針對此問題所販售的解法是 Extended Thinking 變體，每小時成本為四倍。

Pilot Fish Audio Live 3如果你的來電是英語、你的基礎架構限制排除了公有雲，而且你的客訴紀錄滿是來電者被插話或重複數字序列的情況。地端部署在這裡是真正的優勢，而這是 Google 並未提供的。進去時要有自己建立評估的心理準備：沒有分數可供比較、沒有公開價格可供預測，也沒有浮水印可供指出。

不要把 76.0 當成對輪流發言機制的定論。它是一個複合指標，大幅偏重代理式任務的完成度，而 Gemini 3.8 Live 恰恰在這方面較弱。能為這場對決定論的數字，是 Live 3 在其他人共用的同一套評測框架下所得的輪流發言分數——在這個數字出現之前，兩個模型比的只是文件說明，而非實際行為。