Gemini Live (ג'מיני לייב)

מה זה Gemini Live, ולמה זה שונה מהצ'אט הכתוב

Gemini Live הוא מצב שיחה קולי בתוך אפליקציית Gemini של גוגל, שמאפשר למשתמש לדבר עם המודל בזמן אמת כמו בשיחת טלפון, ולא רק לשלוח הודעת טקסט ולקבל תשובה כתובה. גוגל עצמה מגדירה אותו, בעמוד המוצר הרשמי, כ"פיצ'ר שמאפשר לנהל שיחה עם AI של גוגל באמצעות קול בלבד". אפשר לקטוע את המודל באמצע משפט או לעבור נושא בכל רגע, והוא ממשיך מיד בלי לאבד את ההקשר — בניגוד לצ'אט טקסט רגיל, שבו כל הודעה היא תור נפרד. ההבדל הזה אינו רק עניין של נוחות: בשיחה קולית יש גם טון, היסוס וקצב, מידע שנעלם ברגע שהדיבור הופך לטקסט יבש. לכן מצב קולי שמגיב ברצף, ולא רק עונה על שאלה אחת ונעצר, מרגיש קרוב יותר לשיחה אנושית. גוגל הציגה לראשונה את הרעיון בכנס המפתחים השנתי שלה, Google I/O, במאי 2024, כ"מצב שיחה קולי" בתוך Gemini. לפי ויקיפדיה, הגרסה המלאה הושקה באוגוסט 2024, ובאותו חודש היא גם הפכה לעוזר הווירטואלי שמותקן כברירת מחדל במכשירי Pixel 9, במקום Google Assistant, שהיה ברירת המחדל עד אז.

מעבר לגוגל עצמה: הרחבה למכשירי Samsung Galaxy

בהמשך הגיע Gemini Live גם למכשירים שאינם של גוגל. לפי ויקיפדיה, המצב הופץ למכשירי Samsung Galaxy החל מסדרת Galaxy S25, ובהמשך גם למכשירים המתקפלים Z Fold 7 ו-Z Flip 7, כחלק מחבילת Galaxy AI של סמסונג. כך יצא Gemini Live מקו המוצרים של גוגל עצמה אל טלפוני הדגל של סמסונג — סימן לכך שגוגל רואה בו תכונה שהיא רוצה להפיץ ברחבי עולם האנדרואיד כולו, ולא יתרון בלעדי לטלפוני Pixel.

הרחבה לשפות, ועברית

לפי GSMArena, עד תחילת אוקטובר 2024 תמך Gemini Live בחמש שפות — אנגלית, גרמנית, ספרדית, צרפתית ופורטוגזית — וב-3 באוקטובר 2024 הודיעה גוגל שהוא יתמוך ביותר מ-40 שפות, בפריסה במהלך השבועות הבאים. באותו שלב אפשר היה להשתמש בשתי שפות לכל היותר במכשיר אחד: בוחרים שפה בהגדרות אפליקציית Google, בתפריט Google Assistant ← שפות, ואפשר להוסיף שפה נתמכת שנייה. באותה הודעה הציגה גוגל גם דוגמאות שמשלבות כמה שירותים בשיחה אחת: למצוא מתכון שנשלח ב-Gmail ולהוסיף את המצרכים לרשימת קניות ב-Google Keep, או לצלם כרזה של הופעה ולשאול אם התאריך פנוי ביומן. עברית הגיעה כמה חודשים אחר כך. לפי אתר Gadgety, ב-20 בינואר 2025 החלה גוגל להפעיל רשמית את Gemini Live בעברית לכל משתמשי אפליקציית Gemini באנדרואיד, בפריסה הדרגתית גם ל-iOS, יחד עם תמיכה בעברית בחיבורים ל-Gmail, ל-Google Maps ול-YouTube.

מצלמה: לראות מה שהמשתמש רואה

מעבר לקול, Gemini Live יודע גם "לראות" בזמן אמת את מה שמצלמת המכשיר קולטת, ולהגיב לכך בשיחה חיה — לא רק לנתח תמונה שהועלתה. לפי אתר The Decoder, גוגל הכריזה על היכולת הזו בכנס Mobile World Congress, ב-3 במרץ 2025, כתכונה שתגיע "בהמשך החודש" למנויי Gemini Advanced במכשירי אנדרואיד נתמכים. באפריל 2025 התכונה אכן הגיעה, וגוגל החלה לפרוס אותה לכל משתמשי אפליקציית Gemini במכשירי Pixel 9 ו-Samsung Galaxy S25. לפי אותה כתבה, בין הדוגמאות שגוגל נתנה: עצות לבחירת לבוש, עזרה טכנית (כמו איתור תקלה במכשיר Nest בבית) ורעיונות לעיצוב הבית — מקרים שבהם קשה להסביר במילים מה רואים, ופשוט יותר להראות בזמן אמת ולקבל תגובה מיידית.

שיתוף מסך, והדרך מ"בתשלום" ל"לכולם"

לצד המצלמה נוספה גם האפשרות לשתף את מסך הטלפון עצמו, כך ש-Gemini יכול להגיב למה שמוצג עליו — למשל להדריך את המשתמש במילוי טופס מבלבל באפליקציה אחרת, בלי שיצטרך לתאר במילים מה הוא רואה על המסך. בתחילה שתי התכונות האלה, המצלמה ושיתוף המסך, הוגבלו למנויי Gemini Advanced בתשלום ולמכשירי אנדרואיד נתמכים בלבד. לפי 9to5Google, ב-16 באפריל 2025 הודיעה גוגל שהן כבר לא ידרשו מנוי, ושהן נפרסות לכל משתמשי האנדרואיד במהלך השבועות הבאים. לפי כתבה נוספת באותו אתר, ב-30 במאי 2025 הודיעה גוגל שהיכולות זמינות לכל משתמשי Gemini באנדרואיד וב-iOS, כולל המשתמשים החינמיים; על ההרחבה ל-iOS היא הכריזה כשבוע קודם לכן, בכנס Google I/O 2025. כך, עד סוף מאי 2025, הפכו שתי התכונות, שהיו מוגבלות למנויים ולמכשירים מסוימים, ליכולות שזמינות לכל משתמשי Gemini בשתי מערכות ההפעלה.

בתוך אפליקציית Gemini: מידע חזותי וחיבור לשירותי גוגל

לפי עמוד המוצר הרשמי, Live יכול להציג מידע חזותי תוך כדי השיחה הקולית — למשל מפות, כרטיסי מזג אוויר ותמונות, ולא רק להשיב במילים — ולהתחבר לשירותי גוגל: לחפש פרטים במיילים ב-Gmail ובקבצים ב-Drive, לבדוק את יומן Google ולהוסיף משימות ל-Google Tasks או פתקים ל-Keep. כך אפשר, למשל, לבקש בעל פה למצוא פרט מסוים במייל או לבדוק מה קבוע ביומן, בלי לעבור לאפליקציה נפרדת ולהקליד. העמוד הרשמי מציין גם מגבלות מפורשות, שחשוב להכיר כדי לא להניח שהמצב יודע לעשות הכול: Live אינו ניגש ל-Gems, העוזרים המותאמים אישית של Gemini, ולא ל-NotebookLM, ואינו תומך בכלים כמו Omni ו-Lyria. כלומר, יש עדיין הפרדה בין מה שאפשר לעשות בשיחה קולית חיה לבין מה שדורש את ממשק הטקסט המלא של האפליקציה.

Gemini Live API: אותה טכנולוגיה, למפתחים

מעבר לאפליקציית הצרכנים, גוגל מציעה גם את Gemini Live API — ממשק תכנות שמאפשר למפתחים לשלב יכולות כאלה של שיחה חיה במוצרים משלהם, לא רק להשתמש בהן דרך אפליקציית Gemini המוכנה. לפי תיעוד ה-API הרשמי של גוגל, הממשק מספק "אינטראקציות קול וראייה בזמן אמת ובהשהיה נמוכה עם Gemini": הוא מקבל זרם אודיו רציף (אודיו גולמי בדגימה של 16 קילוהרץ) ומחזיר זרם אודיו של תשובה (ב-24 קילוהרץ). הוא תומך בשפות רבות, מאפשר למשתמש לקטוע את המודל באמצע דיבור, ומתמלל את השיחה בשני הכיוונים — גם את מה שהמשתמש אמר וגם את מה שהמודל השיב. הוא מקבל גם קלט חזותי (תמונות, בקצב של עד תמונה אחת בשנייה) וקלט טקסט, כך שאפשר לשלב קול, וידאו וטקסט באותה שיחה. מבחינה טכנית, החיבור הוא WebSocket שמוחזק פתוח לאורך כל השיחה, בניגוד לקריאת API רגילה של שאלה ותשובה בודדת, ואפשר להתחבר אליו גם מהשרת (backend) וגם ישירות מהדפדפן (חיבור מצד הלקוח, שלפי התיעוד מתאים יותר להזרמת אודיו ווידאו). בסביבת ייצור (production) התיעוד ממליץ על אסימונים זמניים (Ephemeral Tokens) במקום מפתח API קבוע, כדי שמפתח API רגיש לא יישאר חשוף בצד הלקוח. גוגל גם מאפשרת לשלב את ה-API הזה עם שותפי תשתית כמו LiveKit ו-Pipecat, במקום שכל מפתח יבנה את שכבת החיבור מאפס.

2026: מודלי קול חדשים מאחורי השיחה

המודל שעומד מאחורי Live מתחלף מדי כמה חודשים. במרץ 2026 הציגה גוגל למפתחים את Gemini 3.1 Flash Live, וב-15 בספטמבר 2026 הכריזה על שני מודלי קול חדשים: Gemini 3.8 Live, ו-3.8 Live Extended Thinking — גרסה שלפי גוגל "חושבת ומדברת בו-זמנית": במשימות שדורשות חשיבה מעמיקה היא משמיעה אישור קצר כבר בהתחלה, ומדווחת בקול על ההתקדמות במשימות רקע מרובות שלבים, כדי שהשיחה לא תיעצר. לפי הודעת גוגל, גרסת Extended Thinking נפרסת לכל המשתמשים ב-Gemini Live, ואילו 3.8 Live עצמו מפעיל את Search Live במנוע החיפוש ומוצע למפתחים. הוא מזהה 97 שפות ועובר ביניהן באמצע שיחה. בתיעוד המפתחים של גוגל, נכון לאוקטובר 2026, Gemini 3.8 Live מוגדר כבחירת ברירת המחדל לרוב חוויות הקול בהשהיה נמוכה, ו-3.1 Flash Live מסומן כמודל ישן (legacy).

מול OpenAI: שני ממשקי "דיבור לדיבור"

Gemini Live API אינו לבד בשוק הזה. OpenAI, המתחרה המרכזית של גוגל, מציעה ממשק מקביל משלה, OpenAI Realtime API, שמאפשר את אותה גישת "דיבור לדיבור" (Speech-to-Speech) ישירה — כלומר, המודל מקבל זרם אודיו כקלט ומחזיר זרם אודיו כפלט, בלי לעבור דרך שלושה מודלים נפרדים לזיהוי דיבור, הבנת טקסט והפקת דיבור, כפי שהיה מקובל קודם. ההבדל המעשי בין שני הממשקים נמצא בעיקר בפרטים — אילו שפות נתמכות, אילו אינטגרציות שותפים זמינות, ואיזה מודל עומד מאחורי השיחה — ולא בעיקרון הארכיטקטוני ששני הצדדים אימצו: קול שנכנס ישירות למודל, וקול שיוצא ישירות ממנו, בלי המרת ביניים לטקסט כתוב.