Search LiveがGemini 3.8 Liveに刷新｜音声・カメラ対話検索の進化

Search LiveがGemini 3.8 Liveに刷新｜音声・カメラ対話検索の進化とLLMO実務への影響

要点: Googleは2026年9月15日、新しい音声対話モデル「Gemini 3.8 Live」と「Gemini 3.8 Live Extended Thinking」を公式ブログで発表した。前者はGoogle検索のAI Mode内音声・カメラ対話機能「Search Live」に全ユーザー展開済みで、視覚グラウンディングを保ちながらほぼ即時に会話できる。後者は「考えながら話す」設計でGmail Live・Docs Live・Keep Live・Gemini Liveなどワークスペース領域に順次展開中だ。いずれも2026年9月2日に統合された「Gemini 3.8 Flash」（テキスト応答用モデル）とは別の発表であり、混同しないよう注意したい。

最終更新日: 2026年9月16日

何が起きたのか

2026年9月15日、Googleの公式ブログ（blog.google）にGemini Audio Teamの Tom Ouyang氏（Principal Engineer）と Malini Jaganathan氏（Member of Technical Staff）による記事「Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking」が掲載された。ここで発表されたのは、テキスト生成モデルではなく音声対話に特化した新モデル2種である。展開先はGemini API、Google AI Studio、Gemini Enterprise、そしてGoogle検索のAI Mode内にある音声・カメラ対話機能「Search Live」、さらにGemini Live、Google Workspace（Gmail Live・Docs Live・Keep Liveなど）と幅広い。

Gemini 3.8 Live: スケールとコスト効率のための会話モデル

一つ目の「Gemini 3.8 Live」は、公式発表によれば「スケールとコスト効率」を重視したモデルと位置づけられている。会話的な知性と流暢な受け答え、そして視覚グラウンディング（カメラに映したものを見ながら会話する能力）を兼ね備え、視覚入力をほぼ即時に処理しながら、裏側では別のツール実行をバックグラウンドで並行して進められる設計だという。このモデルはGoogle検索のAI Mode内音声機能「Search Live」に搭載され、すでに全ユーザーへの展開が完了している。Google検索のVP Engineering for Search であり Google Lens の共同創業者でもある Rajan Patel氏がX（旧Twitter）上でこの展開を確認（confirm）した。

Rajan Patel氏の投稿は「New Gemini audio models just dropped – 3.8 Live is now powering real-time conversations in Search Live」というもので、新機能として次の3点を挙げている。

1. より役立つ回答に加えて、深掘りするためのWebリンクが付く
2. 流暢な多言語対応（会話の途中でも言語を切り替えられる）
3. より自然で流れるようなやり取り

Gemini 3.8 Liveの基本性能については、Speech Agent Arenaというベンチマークで2位を獲得していることが公式に示されている。対応言語は97言語に及び、会話の途中で言語を切り替える「mid-conversation switching」にも対応する。

Gemini 3.8 Live Extended Thinking: 「考えながら話す」高複雑度モデル

二つ目の「Gemini 3.8 Live Extended Thinking」は、高複雑度のタスクや多段階の推論を要する場面向けに設計されたモデルである。最大の特徴は「推論しながら同時に話す」という設計思想にある。バックグラウンドで処理が進んでいる間も、「Let me check that…」といった自然な相づちを挟みながら、進行状況を会話の中で語り続けることができる。展開先はGmail Live（会話型検索）、Docs Live（下書き生成）、Keep Live（ノート作成）、Gemini Liveなどで、いずれも順次展開が進んでいる段階だ。

このExtended Thinkingモデルは複数のベンチマークで高いスコアを記録している。Artificial Analysisが公表する「Speech to Speech Quality Index」では82.6のスコアで1位を獲得した。エージェント的な音声タスクの完了率を測るτ-Voice agentic task completionでは68.6%、Sierra社が提供する銀行業務特化のτ-Voice-bankingベンチマークでは35.1%、音声を伴う推論評価であるBig Bench Audioでは97.7%というスコアが示されている。

前身との関係──Search Liveは2026年3月から世界展開済み

Search Live自体は今回初めて登場した機能ではない。前身となる「Gemini 3.1 Flash Live」は2026年3月に発表され、その時点でSearch Liveはすでに世界200カ国以上・98言語へグローバル展開されていた。今回の発表は、そのSearch Liveを支えるバックエンドモデルを新しい音声モデルへとアップグレードするものであり、ユーザーから見える機能面での位置づけ（「話しかけて検索する」体験）自体は継続している。裏側の対話エンジンが刷新され、視覚グラウンディングや多言語切替の精度・自然さが底上げされた、と理解するのが正確だろう。

9月2日のGemini 3.8 Flash統合とは別の発表である点に注意

ここで明確にしておきたいのは、今回のGemini 3.8 Live／Gemini 3.8 Live Extended Thinkingは、2026年9月2日にGoogle検索のAI Modeへ統合された「Gemini 3.8 Flash」とは全くの別モデル・別発表だという点である。当サイトでもGemini 3.8 FlashのAI Mode統合を既報しているが、あちらはテキストベースの回答生成を担うモデルのアップデートであり、応答速度と回答品質のトレードオフが論点だった。一方、今回の3.8 Liveシリーズは音声対話に特化したモデルであり、担っている役割も評価軸（Speech to Speech Quality IndexやBig Bench Audioなど）もまったく異なる。両者が同じ「3.8」という世代番号を冠しているためLLMO担当者の間でも混同が起きやすいが、「テキストのAI Mode本体を支えるモデル」と「音声・カメラ対話であるSearch Liveを支えるモデル」という別系統のアップデートである点は、実務上の整理として押さえておく必要がある。

この報道はSearch Engine Roundtable（Barry Schwartz氏、2026年9月15日付）や9to5Googleでも取り上げられており、いずれもGoogle公式ブログの内容とRajan Patel氏のX投稿を主要な情報源として報じている。

2つのモデルの違いを整理する

公式ブログで示された情報を整理すると、両モデルの位置づけは次のように分かれる。

音声対話モデル競争という背景

今回の発表は、単発の機能追加ではなく、対話型AIにおける音声インターフェース強化競争という大きな流れの中に位置づけられる。当サイトが以前取り上げたOpenAIのGPT-Liveは2026年7月8日（米国時間）に発表されたフルデュプレックス音声モデルで、ChatGPTの音声会話をターン制から同時発話型へと刷新するものだった。Google側もSearch Liveの前身である「Gemini 3.1 Flash Live」を2026年3月に発表し、その後2026年9月2日にはテキスト応答用の「Gemini 3.8 Flash」をAI Modeへ統合、そしてわずか2週間後の9月15日に音声対話専用の「Gemini 3.8 Live」シリーズを発表するという、短いサイクルでのモデル更新が続いている。この更新頻度の速さ自体が、音声・マルチモーダル対話をAI検索の主戦場の一つとして各社が位置づけていることを示していると言える。

aiseo-llmo.com ユーザーへの影響

「話しかけて検索する」体験の高度化が意味すること

Search Liveは、テキストを打ち込む代わりにカメラとマイクを通じてGoogleと会話しながら情報を探す機能である。今回のアップグレードで注目すべきは、単に応答が速くなったという話にとどまらない点だ。視覚グラウンディングを保ちながら「視覚入力をほぼ即時に処理」できるようになったということは、ユーザーがカメラに何かを映しながら「これは何？」「これと似たものでもっと安いものはある？」といった、テキスト検索では成立しにくい自然な会話的クエリを投げかける体験が、より実用段階に入ったことを意味する。これは生成AI検索最適化ガイドで扱ってきた「AI Overviews・AI Modeでどう引用されるか」という論点の延長線上にありつつも、入力インターフェースが音声・カメラに広がることで、コンテンツ側が想定すべき検索意図のパターンが一段階増えることを示している。

音声・会話型のクエリは、テキスト検索の「キーワードの羅列」とは異なる自然言語パターンになりやすい。「〇〇のやり方」「近くで〇〇できる店」「これ（映したもの）と同じ機能を持つ製品」といった話し言葉に近いロングテールの疑問文が主体になる。FAQ形式のコンテンツや、質問文に対してそのまま一文で答えられる直接回答文の重要性は、テキスト検索向けのAI Mode最適化以上に高まる可能性がある。ただし、この点はGoogleが公式に数値を開示しているわけではなく、あくまで音声UIの特性から導かれる合理的な推測であることは明記しておきたい。

「Webリンク付きの回答」という設計と、遷移率が不明であるという事実

Rajan Patel氏が新機能として挙げた「より役立つ回答＋深掘り用のWebリンク付き」という設計は、音声・マルチモーダルという新しい経路であっても、引用元サイトへの導線が建前上は維持されていることを意味する。これはテキストのAI Modeにおける出典カードと同様の発想であり、LLMO担当者にとっては「音声で言及されても、リンクという形で自社サイトへの経路が残る可能性がある」というポジティブな材料になり得る。

一方で、実際に音声で回答を受け取ったユーザーがそのリンクをどれだけクリックしているか、という遷移率についてのデータは、今回のGoogle公式ブログにもSearch Engine Roundtable・9to5Googleの報道にも一切示されていない。音声・カメラでの対話中にユーザーが画面を注視しているとは限らず、リンクが表示されていても気づかれない可能性もある。この点について、当サイトでは断定を避け「データが存在しない」という事実をそのまま伝える。過去に取り上げたGPT-Live音声検索とブランド言及の関係でも論じたとおり、音声インターフェースは「画面を見ながら情報を取捨選択する」という検索行動の前提そのものを崩す性質を持つため、リンクの存在と実際のクリック行動は切り離して考える必要がある。

業種別に見た実務インパクト

店舗・地域ビジネス: Search Liveのようなカメラ・音声対話は、外出先で「近くで〇〇できる店」「これは今日開いている？」といった状況依存のクエリと相性がよい。地域名・営業時間・在庫状況といった情報が構造化データや公式サイト上で明確に読み取れる状態になっているかどうかが、音声回答での言及されやすさに影響し得る。

Eコマース: 視覚グラウンディングが実用化されたことで、ユーザーがカメラに映した商品について会話しながら類似品・価格比較を尋ねる、という購買前行動が増える可能性がある。商品ページ側では、画像だけでなく製品名・型番・特徴を示すテキスト情報（alt属性や構造化データを含む）を充実させておくことが、視覚的に認識された商品と自社の商品ページを結びつけるうえで重要になる。マルチモーダルなAIクローラーがどのように画像・動画コンテンツを解釈するかについては、マルチモーダルAIクローラーの動画・音声理解と最適化手順で詳しく解説している。

多言語展開企業: Gemini 3.8 Liveは97言語に対応し、会話の途中で言語を切り替える機能まで備える。グローバルに複数言語でサイトを展開している企業にとっては、特定の言語版だけがAI検索で参照されやすい／されにくいという偏りが生じる可能性があり、各言語版で同等の情報構造（FAQ・直接回答文・構造化データ）を維持できているかを点検する意味が増す。Search Live自体が2026年3月時点で98言語・200カ国以上に展開済みだったことを踏まえると、この多言語対応はすでに広範囲のユーザーに影響し得る規模であることがわかる。

今後の見通し

今回発表された2つのモデルのうち、Gemini 3.8 Live Extended Thinkingについては「Gmail Live・Docs Live・Keep Live・Gemini Liveへの展開が進行中」とされており、Search Live同様に全ユーザーへ展開が完了したという明言はまだない（公式発表の時点）。したがって、Workspace領域での音声UI強化がどこまでLLMO実務に波及するかは、今後の展開状況を継続的に確認する必要がある。また、Search Liveの「Webリンク付き回答」が実際の流入にどう影響するかについても、現時点で公開されている一次情報だけでは判断材料が不足しており、今後Googleやサードパーティの計測ツールから実測データが出てくるかどうかが焦点になる。

今すぐできる対応策

1. FAQPage構造化データで「話し言葉の質問」に備える

音声・会話型のクエリは疑問文の形を取りやすい。既存のFAQコンテンツにFAQPage構造化データを付与し、質問文を実際にユーザーが話しかけそうな自然な言い回し（例:「〇〇はどうやって使う？」「〇〇の営業時間は？」）に近づけておくことが基本対策になる。

{
  "@context": "https://schema.org",
  "@type": "FAQPage",
  "mainEntity": [
    {
      "@type": "Question",
      "name": "この商品はどこで買えますか？",
      "acceptedAnswer": {
        "@type": "Answer",
        "text": "公式オンラインストアのほか、全国の提携店舗で購入できます。在庫状況は店舗ごとに異なります。"
      }
    }
  ]
}

2. 直接回答文を先頭に配置する

見出し直下の最初の一文を、その見出しの疑問にそのまま答える形にする。音声で読み上げられることを想定し、一文で意味が完結する簡潔な文体を心がける。「〇〇とは、〜のことです」「〇〇の答えは〜です」のように、前提知識なしでも聞いて理解できる形にすることが、音声回答に採用されやすい文章構造につながると考えられる。

3. 音声クエリを想定したロングテール自然文のキーワード調査

「これは何ですか」「近くで〇〇できるところ」「〇〇と比べてどっちがいい」といった、話し言葉に近い疑問文パターンを洗い出し、既存コンテンツがそれらの疑問にストレートに答えられているかを確認する。Google検索のサジェストや「他の人はこちらも質問」欄に加え、実際の店頭・カスタマーサポートに寄せられる質問文をキーワード調査の材料に取り込むことも有効だ。

4. 多言語サイトの各言語版で一問一答を整備する

複数言語でサイトを運営している場合、日本語版だけFAQやQ&Aが充実していて、英語版・中国語版などが手薄になっているケースは珍しくない。Gemini 3.8 Liveの多言語・会話中の言語切替対応を踏まえると、各言語版で同水準の直接回答コンテンツを用意しておくことが、言語をまたいだAI検索での見え方の一貫性につながる。

5. 商品・店舗情報の構造化データとテキスト情報を強化する

視覚グラウンディングによってカメラに映した商品や場所についての対話が増える可能性を踏まえ、Product・LocalBusinessなどの構造化データを整備し、画像に頼らず製品名・型番・特徴・営業時間・所在地をテキストで明確に示しておく。AIモード全般の引用条件については、Google AIモード公式最適化ガイド2026にまとめた推奨施策・不要施策のチェックリストも参考になる。

6. 効果測定の限界を前提にモニタリング体制を組む

現時点では音声・マルチモーダル経由の遷移率を直接計測する公式データは存在しない。まずは自社サイトへのリファラーやGoogle Search Consoleのクエリデータを継続的に確認し、話し言葉に近い長文クエリの増減や、AI Mode経由と思われる流入パターンの変化を定点観測することから始めるのが現実的だ。

よくある質問

Q1. Gemini 3.8 LiveとGemini 3.8 Live Extended Thinkingの違いは何ですか。

前者はスケールとコスト効率を重視した会話モデルでSearch Liveに搭載済み、後者は高複雑度の推論向けで「考えながら話す」設計を持つモデルです。

Gemini 3.8 Liveは視覚グラウンディングを保ちながら視覚入力をほぼ即時処理できる点が特徴で、すでにGoogle検索のAI Mode内音声機能Search Liveに全ユーザー展開されています。一方Gemini 3.8 Live Extended Thinkingは、バックグラウンドで進む多段階の推論結果を「Let me check that…」のような相づちを交えながら話す設計で、Gmail Live・Docs Live・Keep Live・Gemini Liveなどに順次展開されている段階です。

Q2. Search Liveとは何ですか。

Google検索のAI Mode内にある、音声とカメラで対話しながら検索できる機能です。

ユーザーはテキストを打ち込む代わりに、マイクで話しかけたりカメラに何かを映したりしながらGoogleと対話的に情報を探せます。2026年3月に発表された前身の「Gemini 3.1 Flash Live」時点ですでに世界200カ国以上・98言語へ展開されており、今回はそのバックエンドモデルがGemini 3.8 Liveにアップグレードされました。

Q3. 2026年9月2日のGemini 3.8 Flash統合とは違うのですか。

はい、まったく別の発表です。9月2日のものはテキスト応答用モデルのAI Mode統合でした。

当サイトが既報したGemini 3.8 FlashのAI Mode統合は、AI Modeのテキスト回答生成を担うモデルのアップデートで、応答速度と回答品質のトレードオフが論点でした。今回の3.8 Live／3.8 Live Extended Thinkingは音声対話専用のモデルであり、担う役割・評価指標（Speech to Speech Quality Index、Big Bench Audioなど）も別系統です。同じ「3.8」という世代番号が付いているため混同されやすいので注意してください。

Q4. どのくらいの言語に対応していますか。

Gemini 3.8 Liveは97言語に対応し、会話の途中でも言語を切り替えられます。

Search Live自体は2026年3月時点で98言語・世界200カ国以上にグローバル展開済みでした。今回のモデルアップグレードにより、バックエンドの音声対話エンジンが97言語対応・会話途中の言語切替(mid-conversation switching)に対応する形になっています。

Q5. 視覚グラウンディングとは何ですか。

カメラに映したものを見ながら、その内容について会話できる仕組みのことです。

Gemini 3.8 Liveは視覚入力をほぼ即時に処理しながら、裏側で別のツール実行をバックグラウンドで進められる設計とされています。ユーザーが物や場所をカメラに映しながら「これは何？」「似たものでもっと安いのはある？」といった対話的な検索ができる点が特徴です。

Q6. 音声検索が普及すると、SEO・LLMO対策はどう変わりますか。

FAQ形式や簡潔な直接回答文など、話し言葉の疑問にそのまま答えられるコンテンツ構造の重要性が増すと考えられます。

音声・会話型のクエリはテキスト検索とは異なる自然言語パターン(疑問文・話し言葉)になりやすく、キーワードの羅列ではなく質問に一文で答える文章構造が評価されやすくなる可能性があります。ただしGoogleが具体的な評価基準の数値を公表しているわけではなく、これは音声UIの特性から導かれる実務上の対応方針です。

Q7. 音声・マルチモーダル検索経由で自社サイトへの流入は増えますか。

現時点で遷移率を示す公式データはなく、増減は不明です。

Rajan Patel氏は新機能として「深掘り用のWebリンク付き」の回答を挙げていますが、実際にユーザーがそのリンクをどれだけクリックしているかについての数値は、Google公式ブログにも報道にも示されていません。断定はできず、今後のデータ公開を待つ必要があります。

Q8. ベンチマークのスコアはどのくらいですか。

Extended ThinkingはSpeech to Speech Quality Indexで82.6点(1位)、Big Bench Audioで97.7%などの数値が公表されています。

その他、τ-Voice agentic task completionで68.6%、Sierra社のτ-Voice-bankingベンチマークで35.1%という数値も示されています。基本モデルのGemini 3.8 LiveはSpeech Agent Arenaで2位です。これらはいずれもGoogle公式ブログで示された数値です。

Q9. Gmail LiveやDocs Liveとは何ですか。

Google Workspace内でGemini 3.8 Live Extended Thinkingが搭載される、会話型検索・下書き生成などの機能です。

Gmail Liveは会話型のメール検索、Docs Liveは下書き生成、Keep Liveはノート作成を音声対話で行える機能とされ、いずれも順次展開が進んでいる段階です。

Q10. 中小企業やローカルビジネスでも対応が必要ですか。

外出先での「近くで〇〇できる店」といった状況依存の音声クエリに備え、店舗情報や営業時間の構造化データ整備が有効です。

Search Liveのような音声・カメラ対話は、移動中や店頭での状況依存クエリと相性がよい特性を持ちます。LocalBusinessの構造化データや、公式サイト上での営業時間・在庫状況の明記など、基本的なローカルSEO対策の延長線上にある対応から着手することをおすすめします。

関連記事

• 生成AI検索最適化ガイド
• Gemini 3.8 FlashがAI Modeに即日統合｜Google自ら「旧モデル推奨」の逆説
• GPT-Live音声検索の普及がLLMO対策に迫る変化｜ブランド言及と出典設計
• マルチモーダルAIクローラーが動画・音声を理解する仕組みと最適化手順
• Google AIモード公式最適化ガイド2026｜引用される条件を解説

関連用語: LLMOとは / AIOとは / グラウンディングとは / GEOとは