Google Gemini 3.1 Flash Live: conversazioni vocali mai così naturali

Le interazioni vocali con l’intelligenza artificiale stanno cambiando rapidamente: non parliamo più solo di dettare un messaggio, ma di vere conversazioni continue, con domande, interruzioni e ripensamenti.

In questo contesto Google presenta Gemini 3.1 Flash Live, un nuovo modello audio pensato per rendere il dialogo con l’AI più fluido, rapido e affidabile, sia per chi sviluppa servizi, sia per chi usa gli strumenti di tutti i giorni.

Vuoi ascoltare il riassunto dell’articolo?

Ascolta su Spreaker.

Il modello Gemini 3.1 Flash Live diventa il nuovo motore vocale in diversi prodotti Google. Gli sviluppatori possono provarlo in anteprima tramite la Gemini Live API in Google AI Studio.

Le aziende lo trovano integrato in Gemini Enterprise for Customer Experience, pensato per creare assistenti vocali e sistemi di supporto clienti. Per il pubblico generale arriva invece dentro Gemini Live e Search Live, le esperienze conversazionali accessibili da web e app.

L’obiettivo dichiarato è offrire un’unica base tecnologica per agenti vocali, ricerca in tempo reale e strumenti di produttività, riducendo la distanza tra uso personale e scenari professionali.

Google punta molto sulla capacità di ragionamento e sull’esecuzione di compiti complessi tramite voce. Su ComplexFuncBench Audio, un benchmark che misura la gestione di chiamate a funzioni in più passaggi con vari vincoli, Gemini 3.1 Flash Live raggiunge un punteggio del 90,8%, superando il modello precedente.

Su Scale AI Audio MultiChallenge, che testa la comprensione di istruzioni articolate e il ragionamento a lungo termine in presenza di interruzioni e esitazioni tipiche delle conversazioni reali, il modello ottiene 36,1% con la modalità di “thinking” attiva.

Secondo Google, Gemini 3.1 Flash Live migliora anche nella comprensione del tono di voce: in Gemini Enterprise for Customer Experience riconosce meglio elementi come intonazione, velocità e variazioni acustiche rispetto a 2.5 Flash Native Audio.

Questo consente di adattare in modo più preciso le risposte a frustrazione, confusione o altre sfumature emotive espresse dall’utente, un aspetto cruciale per call center e assistenza clienti.

Il modello è progettato per gestire ambienti rumorosi, mantenendo la capacità di seguire istruzioni complesse anche quando l’audio non è perfetto.

Google cita feedback positivi da aziende come Verizon, LiveKit e The Home Depot, che lo hanno provato nei propri flussi di lavoro e ne sottolineano la conversazione più naturale.

Un altro uso messo in evidenza riguarda lo sviluppo software: Gemini 3.1 Flash Live permette di scrivere e modificare codice parlando, con iterazioni rapide, sfruttando il modello vocale come interfaccia verso i modelli testuali di fascia più alta.

Per chi usa gli strumenti di tutti i giorni, il cambiamento più evidente riguarda Gemini Live e Search Live. Con Gemini 3.1 Flash Live “sotto il cofano”, Gemini Live offre risposte più veloci rispetto al modello precedente e riesce a mantenere il filo della conversazione per un periodo doppio.

Questo aiuta soprattutto nelle sessioni lunghe, per esempio durante un brainstorming o una pianificazione articolata, dove diventa importante non perdere i riferimenti ai messaggi precedenti.

Il modello è inoltre multilingue per impostazione predefinita, caratteristica che abilita l’espansione globale di Search Live.

Google parla di disponibilità in oltre 200 Paesi e territori, con conversazioni in tempo reale e multimodali (quindi non solo voce, ma anche testo e contenuti visivi) nella lingua preferita dall’utente.

Tra gli scenari d’uso citati c’è il supporto immediato alla risoluzione dei problemi: per esempio, descrivere un malfunzionamento e ricevere indicazioni passo passo in tempo reale tramite voce, direttamente da Search Live.

Tutto l’audio prodotto da Gemini 3.1 Flash Live viene marcato con SynthID, una tecnologia di watermark impercettibile integrata direttamente nel segnale audio.

Questa firma digitale permette di rilevare in modo affidabile i contenuti generati dall’AI, con l’obiettivo di contrastare la disinformazione e rendere più chiara l’origine dei materiali vocali. Google rimanda a una model card dedicata per maggiori dettagli sul proprio approccio a sicurezza e responsabilità.