Google ha rilasciato due nuovi modelli per le interazioni vocali con l’AI: Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking. Promettono conversazioni meno robotiche e più umane.
Partiamo dal fratello minore. Gemini 3.8 Live è costruito per la scala e l’efficienza dei costi — quello che useranno tutti perché non ti prosciuga il budget. Ha conquistato il secondo posto nella Speech Agent Arena, non male per un modello pensato per girare in produzione. Gestisce 97 lingue e passa da una all’altra in automatico, a metà conversazione. Come se niente fosse.
La parte interessante: mentre parli, il modello esegue chiamate API e strumenti in background, senza interromperti. Niente silenzi imbarazzanti. Continua a chiacchierare mentre fa il lavoro sporco dietro le quinte.
Extended Thinking: quando serve il cervellone
Poi c’è Gemini 3.8 Live Extended Thinking, da chiamare quando le cose si fanno complicate. Ha preso il primo posto nell’Artificial Analysis Speech to Speech Quality Index con un punteggio di 82.6: in questo momento è il migliore nel suo campo.
I numeri: 68.6% sul benchmark τ-Voice e 35.1% su τ-Voice-banking di Sierra per il completamento di task agentici. È bravo a portare a termine compiti complessi che richiedono più passaggi, non solo a rispondere a domande semplici. Sul Big Bench Audio raggiunge un 97.7%, mantenendo un prezzo competitivo rispetto ad altri modelli frontier.
Ragiona e parla simultaneamente. Usa segnali verbali naturali tipo “Fammi controllare…” per riconoscere la tua richiesta, poi ti guida attraverso i passaggi mentre li esegue. Niente attese silenziose. Solo una conversazione che scorre.
Vede quello che vedi tu
Entrambi i modelli processano input visivi in tempo quasi reale. Puoi mostrargli uno scacchiere e giocare a scacchi parlando. O fare uno schizzo su carta e chiedergli di trasformarlo in codice React funzionante, con feedback vocale in tempo reale mentre scarabocchi.
Google mostra esempi concreti: Gemini che guida l’onboarding di un dipendente usando il contesto visivo, che coordina prenotazioni multi-step senza interrompere la conversazione, che costruisce business plan e kit di marketing personalizzati al volo, solo parlando.
Dove lo trovi
Gemini 3.8 Live è disponibile oggi per sviluppatori tramite Gemini API e Google AI Studio. Per le aziende è in anteprima privata su Gemini Enterprise. Per tutti gli altri, c’è Search Live.
La versione Extended Thinking segue lo stesso percorso, ma arriva anche su Workspace per gli abbonati Google AI Pro e Ultra, dentro Docs, Gmail e Keep. Sì, puoi parlare con Gmail mentre scrivi email. Il futuro è strano.
Agora, LiveKit, LangChain, Vercel e altre piattaforme stanno già integrando la Gemini Live API. Si occupano dell’infrastruttura di streaming in tempo reale, tu ti concentri sull’esperienza utente.
Il watermark che non senti
Dettaglio non trascurabile: tutto l’audio generato è watermarkato con SynthID, un watermark impercettibile tessuto direttamente nell’output audio per rendere rilevabile il contenuto generato dall’AI. Google lo definisce un modo per prevenire la disinformazione. Vedremo.
Salesforce, Genspark e Lumeris stanno già testando i modelli, colpiti da latenza, fluidità e capacità di chiamare tool. Che poi sono esattamente le cose che separano un assistente vocale utilizzabile da uno che finisci per ignorare dopo due giorni.
Se questi modelli mantengono le promesse, il passaggio da interfacce testuali a vocali potrebbe essere più rapido di quanto pensiamo. E il modo di lavorare con Gmail, Docs e Search potrebbe cambiare più di quanto immaginate.
