Google lanza Gemini 3.1 Flash Live, una IA de voz casi indistinguible

Google presentó Gemini 3.1 Flash Live, un nuevo modelo de inteligencia artificial diseñado para mantener conversaciones de voz en tiempo real con un nivel de naturalidad que podría dificultar distinguir si el interlocutor es humano o una máquina.

La herramienta comienza a desplegarse en productos como búsqueda, Gemini y plataformas para desarrolladores, marcando un nuevo avance en la carrera por interfaces conversacionales más fluidas.

Un salto en la naturalidad del audio

El principal objetivo del modelo es reducir una de las limitaciones históricas de la IA de voz: la latencia y la entonación poco natural.

Según la compañía, el sistema:

Ofrece respuestas más rápidas, cercanas al umbral humano (alrededor de 300 ms)

Mejora la cadencia y el ritmo del habla

Maneja interrupciones y vacilaciones con mayor precisión

Estos avances permiten una interacción más dinámica, similar a una conversación humana real.

Rendimiento técnico y límites

El modelo ha sido evaluado en distintos benchmarks de audio:

Lidera pruebas como Big Bench Audio (razonamiento en audio)

Mejora en tareas complejas de múltiples pasos

Alcanza un 36,1% en Audio MultiChallenge, aún por debajo de modelos no conversacionales

Esto sugiere que, aunque optimizado para interacción en tiempo real, todavía enfrenta desafíos en escenarios más exigentes.

Riesgos: cuando la IA “suena humana”

El desarrollo plantea un debate creciente: la dificultad de distinguir entre humanos y sistemas automatizados.

Para mitigar riesgos, Google incorporó SynthID, un sistema de marcas de agua inaudibles que permite identificar contenido generado por IA. Sin embargo, estas señales no son perceptibles en una conversación común, lo que limita su utilidad en tiempo real.