Google ha lanciato Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking, una coppia di modelli di dialogo dal vivo che l'azienda descrive come i più avanzati finora per conversazioni vocali naturali. I modelli sono stati implementati il 15 settembre su Gemini API, Google AI Studio, Search Live, Gemini Live e Google Workspace, con accesso aziendale in anteprima privata tramite Gemini Enterprise.
L'annuncio è arrivato da Tom Ouyang, un ingegnere principale, e da Malini Jaganathan, un membro dello staff tecnico, che scrivono a nome del Gemini Audio Team. Estende la famiglia Gemini 3.8 che ha debuttato all'inizio di questo mese con i modelli Flash e Flash Cyber, e segna la spinta più aggressiva di Google verso l'assistenza vocale multimodale in tempo reale, un mercato in cui la modalità vocale di OpenAI e un'ondata di startup vocali competono per lo stesso caso d'uso quotidiano.
Il lancio si inserisce in un periodo particolarmente affollato per la linea di modelli di Google; la copertura degli ultimi sviluppi dell'intelligenza artificiale mostra che l'azienda ha effettuato spedizioni ripetute nell'arco di poche settimane mentre combatte i rivali su prezzi, codifica e ora voce.
Costruito per conversazioni in tempo reale
Ciò che distingue i modelli Live da un modello di chat standard con microfono collegato è la latenza e lo stato. La documentazione dell'API Live di Google descrive un'interfaccia a bassa latenza che elabora flussi continui di audio, immagini e testo su una connessione WebSocket con stato, accettando audio PCM grezzo a 16kHz, immagini JPEG fino a un fotogramma al secondo e testo e restituendo audio parlato in tempo reale.
I modelli elaborano l'input visivo quasi in tempo reale, consentendo all'assistente di vedere ciò che vede l'utente: i video dimostrativi di Google mostrano Gemini 3.8 Live che guida una sessione di onboarding di un dipendente utilizzando il contesto visivo, giocando a scacchi quasi in tempo reale e costruendo piani aziendali completi e kit di strumenti di marketing personalizzati attraverso il parlato naturale. I modelli sono inoltre in grado di rilevare e passare automaticamente tra le 97 lingue supportate, nel corso di una conversazione, senza che l'utente cambi le impostazioni.
Forse la cosa più significativa per l'uso pratico: i modelli eseguono strumenti e chiamate API in background mentre la conversazione continua, riconoscendo le richieste e mantenendo vivo il dialogo mentre le attività finiscono. Ciò trasforma l'assistente da un intervistato rigorosamente a turni in qualcosa di più vicino a un agente che parla.
I numeri pubblicizzati da Google
Google segnala che Gemini 3.8 Live Extended Thinking ha conquistato la prima posizione complessiva nell'indice di qualità del parlato di Artificial Analysis con un punteggio di 82,6. Per quanto riguarda il completamento delle attività dell'agente, l'azienda cita il 68,6% sul benchmark τ-Voice e il 35,1% sulla valutazione bancaria τ-Voice di Sierra, insieme a un punteggio del 97,7% su Big Bench Audio.
Queste sono le cifre riportate da Google e una verifica indipendente richiederà tempo, ma la rivendicazione della vetta della classifica dell'Analisi Artificiale, se valida, metterebbe Google in vantaggio rispetto alle offerte ottimizzate per il parlato di OpenAI e delle società dedicate all'intelligenza artificiale vocale in termini di qualità complessiva della conversazione. Google afferma inoltre che Extended Thinking mantiene un prezzo altamente competitivo, un implicito cenno alla pressione sui prezzi che ha definito la generazione 3.8.
Tutto l'audio generato dai modelli è contrassegnato con SynthID, la filigrana impercettibile di Google, quindi il parlato generato dall'intelligenza artificiale rimane rilevabile: una tutela di conformità e disinformazione che sta diventando standard in tutti i prodotti generativi di Google.
Dove puoi usarlo
La disponibilità differisce tra i due modelli. Gemini 3.8 Live è disponibile per tutti all'interno di Search Live, la modalità di ricerca visiva in tempo reale di Google. Extended Thinking è disponibile in Gemini Live, in Documenti per gli abbonati a Google AI Pro e Ultra tramite Workspace e in Gmail e Keep per tutti gli utenti Google.
Gli sviluppatori ottengono i modelli tramite l'API Gemini e Google AI Studio, e Google afferma che l'API Live è già utilizzata da piattaforme tra cui Agora, Fishjam, LiveKit, Pipecat, Vercel e Vision Agents per creare interfacce vocali sull'infrastruttura in tempo reale di Google. Salesforce, Genspark e Lumeris sono nominati partner di lancio dei nuovi modelli.
Un mercato affollato di AI vocale
La voce sta diventando il campo di battaglia dell'interfaccia del 2026 perché è il luogo in cui l'intelligenza artificiale finalmente sfugge alla tastiera. Un modello in grado di vedere, ascoltare, cambiare lingua ed eseguire strumenti mentre parla non è in competizione con altri chatbot ma con la telefonata, la linea di assistenza clienti e l’assistente personale.
Il vantaggio di Google è la distribuzione: Search, Android, Workspace e Chrome danno ai modelli Live una base installata che nessun rivale può eguagliare. L'azienda scommette che essere presente in ogni angolo della giornata di un utente, ora con i suoi migliori modelli vocali, conterà più di ogni singola vittoria nei benchmark. I rivali avranno la possibilità di rispondere, ma Google ha chiarito che la voce, una volta una funzionalità demo, è ora una linea di prodotti di prima classe.
Per gli sviluppatori, il messaggio è altrettanto diretto. Pubblicando formati di input esatti, documentando l'esecuzione degli strumenti in background e seminando l'ecosistema con piattaforme Live API, Google sta cercando di rendere il suo stack il substrato predefinito per chiunque crei interfacce vocali, dai robot dell'assistenza clienti agli assistenti indossabili. Se la qualità dichiarata di Gemini 3.8 Live regge ai test indipendenti, il gioco della disponibilità è già in movimento.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
