Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking एक नज़र में

Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking दोनों Google के मॉडल हैं, ऑडियो जनरेशन श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।

मुख्य अंतर

• दोनों मॉडल 15 सित॰ 2026 को रिलीज़ हुए थे।
• दोनों मॉडलों की कॉन्टेक्स्ट विंडो 128K टोकन की है।
• सिर्फ Gemini 3.8 Live Extended Thinking के लिए बताई गई क्षमताएं: reasoning।
• इनपुट: ऑडियो (प्रति 1M ऑडियो इनपुट टोकन) और इनपुट (प्रति 1M प्रॉम्प्ट टोकन) के लिए दोनों मॉडलों की दर समान है।

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking: विशेषताएं

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking: API की कीमतें

दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking: API के पैरामीटर

EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking: सीमाएं और नोट्स

Gemini 3.8 Live

कनेक्ट करना

wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live पर वेबसॉकेट पर पूर्ण-डुप्लेक्स आवाज, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। पहला ऑडियो भेजने से पहले सत्र को session.update के साथ कॉन्फ़िगर करें: आवाज, निर्देश, टर्न डिटेक्शन और टूल। बातचीत शुरू होने के बाद ये सेटिंग्स ठीक हो जाती हैं।

ऑडियो और वीडियो भेजना

• माइक्रोफ़ोन ऑडियो को input_audio_buffer.append इवेंट के रूप में जोड़ें: 16-बिट PCM 16 kHz पर, या 24 kHz पर input_audio_format pcm24 पर सेट होने के साथ।
• लाइव वीडियो फ़्रेम को input_image_buffer.append ईवेंट के रूप में बेस 64 जेपीईजी या पीएनजी छवियों के रूप में जोड़ें।
• ध्वनि गतिविधि का पता लगाना डिफ़ॉल्ट रूप से चालू होता है, इसलिए भाषण समाप्त होने के बाद लगभग एक सेकंड तक स्ट्रीमिंग करते रहें। प्रत्येक मोड़ को input_audio_buffer.commit के साथ समाप्त करने के लिए turn_detection को शून्य पर सेट करें।

आवाजें और भाषा

• voice सूची में 30 आवाजों में से एक का उपयोग करें, उदाहरण के लिए पक, कोरे या चारोन। किसी अन्य मूल्य को अस्वीकार कर दिया जाता है।
• मॉडल आपके द्वारा बोली जाने वाली भाषा में उत्तर देता है।

उत्तर

• response.audio.delta घटनाओं के रूप में भाषण स्ट्रीम, 24 kHz पर 16-बिट PCM, response.audio_transcript.delta घटनाओं के रूप में शब्दों के साथ। आपका अपना भाषण भी लिखित है।
• मॉडल के जवाब के दौरान बोलना इसे बाधित करता है।

उपकरण

• JSON स्कीमा पैरामीटर के साथ फ़ंक्शन कॉलिंग। प्रत्येक परिणाम को उसके call_id के साथ एक function_call_output आइटम के रूप में लौटाएं।

बिलिंग

ऑडियो और टेक्स्ट टोकन की कीमत दोनों दिशाओं में अलग-अलग होती है, वीडियो फ्रेम बिल इनपुट टोकन के रूप में, और रीजनिंग टोकन बिल आउटपुट टोकन के रूप में। प्रत्येक पूर्ण मोड़ को मॉडल रिपोर्ट के उपयोग से अपने आप बिल किया जाता है, जिसमें आपके द्वारा बाधित उत्तर भी शामिल है।

Gemini 3.8 Live Extended Thinking

कनेक्ट करना

wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live-extended-thinking पर वेबसॉकेट पर पूर्ण-डुप्लेक्स आवाज, साधारण प्राधिकरण वाहक हेडर के साथ प्रमाणित। पहला ऑडियो भेजने से पहले सत्र को session.update के साथ कॉन्फ़िगर करें: आवाज, निर्देश, टर्न डिटेक्शन और टूल। बातचीत शुरू होने के बाद ये सेटिंग्स ठीक हो जाती हैं।

ऑडियो और वीडियो भेजना

• माइक्रोफ़ोन ऑडियो को input_audio_buffer.append इवेंट के रूप में जोड़ें: 16-बिट PCM 16 kHz पर, या 24 kHz पर input_audio_format pcm24 पर सेट होने के साथ।
• लाइव वीडियो फ़्रेम को input_image_buffer.append ईवेंट के रूप में बेस 64 जेपीईजी या पीएनजी छवियों के रूप में जोड़ें।
• ध्वनि गतिविधि का पता लगाना डिफ़ॉल्ट रूप से चालू होता है, इसलिए भाषण समाप्त होने के बाद लगभग एक सेकंड तक स्ट्रीमिंग करते रहें। प्रत्येक मोड़ को input_audio_buffer.commit के साथ समाप्त करने के लिए turn_detection को शून्य पर सेट करें।

आवाजें और भाषा

• voice सूची में 30 आवाजों में से एक का उपयोग करें, उदाहरण के लिए पक, कोरे या चारोन। किसी अन्य मूल्य को अस्वीकार कर दिया जाता है।
• मॉडल आपके द्वारा बोली जाने वाली भाषा में उत्तर देता है।

उत्तर

• response.audio.delta घटनाओं के रूप में भाषण स्ट्रीम, 24 kHz पर 16-बिट PCM, response.audio_transcript.delta घटनाओं के रूप में शब्दों के साथ। आपका अपना भाषण भी लिखित है।
• मॉडल के जवाब के दौरान बोलना इसे बाधित करता है।

तर्कपूर्ण आधार

• reasoning_effort यह निर्धारित करता है कि बात करते समय मॉडल पृष्ठभूमि में कितना कारण बताता है: निम्न, मध्यम (डिफ़ॉल्ट) या उच्च। बातचीत शुरू होने से पहले इसे सेट करें।
• मॉडल अक्सर पहले एक प्रश्न को स्वीकार करता है और दूसरे मोड़ में उत्तर देता है। प्रत्येक मोड़ को अपने आप बिल किया जाता है।

उपकरण

• JSON स्कीमा पैरामीटर के साथ फ़ंक्शन कॉलिंग। प्रत्येक परिणाम को उसके call_id के साथ एक function_call_output आइटम के रूप में लौटाएं।

बिलिंग

ऑडियो और टेक्स्ट टोकन की कीमत दोनों दिशाओं में अलग-अलग होती है, वीडियो फ्रेम बिल इनपुट टोकन के रूप में, और रीजनिंग टोकन बिल आउटपुट टोकन के रूप में। प्रत्येक पूर्ण मोड़ को मॉडल रिपोर्ट के उपयोग से अपने आप बिल किया जाता है, जिसमें आपके द्वारा बाधित उत्तर भी शामिल है।

Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking को कैसे कॉल करें

Gemini 3.8 Live HTTP एंडपॉइंट के बजाय wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live पर एक WebSocket के ज़रिए लाइव बातचीत करता है। मॉडल id gemini-3-8-live के साथ कनेक्ट करें और हैंडशेक पर अपनी EmpirioLabs API key को Authorization: Bearer हेडर के रूप में भेजें। ऑडियो दोनों दिशाओं में base64 16-bit PCM के रूप में जाता है। ब्राउज़र WebSocket पर हेडर सेट नहीं कर सकता, इसलिए यह कनेक्शन अपने सर्वर से खोलें और ऑडियो को अपने सॉकेट के ज़रिए ब्राउज़र तक पहुँचाएँ। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को gemini-3-8-live या gemini-3-8-live-extended-thinking पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।

import asyncio, json, os, websockets

async def main():
    async with websockets.connect(
        "wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live",
        additional_headers=[
            ("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
        ],
        max_size=None,
    ) as ws:
        print(json.loads(await ws.recv())["type"])  # session.created

        await ws.send(json.dumps({
            "type": "conversation.item.create",
            "item": {
                "type": "message",
                "role": "user",
                "content": [{"type": "input_text", "text": "Say hello."}],
            },
        }))
        await ws.send(json.dumps({"type": "response.create"}))

        async for raw in ws:
            event = json.loads(raw)
            if event["type"] == "response.audio.delta":
                ...  # base64 audio chunk, append to your playback buffer
            elif event["type"] == "response.done":
                break

asyncio.run(main())

Gemini 3.8 Live vs Gemini 3.8 Live Extended Thinking: आम सवाल

Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking में क्या अंतर है?

दोनों मॉडल 15 सित॰ 2026 को रिलीज़ हुए थे। दोनों मॉडलों की कॉन्टेक्स्ट विंडो 128K टोकन की है। सिर्फ Gemini 3.8 Live Extended Thinking के लिए बताई गई क्षमताएं: reasoning। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।

Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking में से किसकी दर कम है?

इनपुट: ऑडियो (प्रति 1M ऑडियो इनपुट टोकन) और इनपुट (प्रति 1M प्रॉम्प्ट टोकन) के लिए दोनों मॉडलों की दर समान है। दोनों लाइव दर तालिकाएं इस पेज पर हैं और हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।

क्या मैं अपना इंटीग्रेशन दोबारा बनाए बिना Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking के बीच बदल सकता हूं?

हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ WEBSOCKET /v1/realtime इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।

क्या मैं इंटीग्रेट करने से पहले ब्राउज़र में Gemini 3.8 Live और Gemini 3.8 Live Extended Thinking आज़मा सकता हूं?

हां। हर मॉडल को EmpirioLabs playground में खोलें और Start session दबाकर इसे अपने ब्राउज़र में आज़माएं।