Hoy lanzamos Gemini 3.1 Flash Live a través de la API de Gemini Live en Google AI Studio. Gemini 3.1 Flash Live ayuda a los desarrolladores a crear agentes de voz y visión en tiempo real que no solo procesan el mundo que los rodea, sino que también responden a la velocidad de una conversación.
Esto representa un cambio radical en latencia, confiabilidad y diálogos más naturales, ofreciendo la calidad necesaria para la próxima generación de inteligencia artificial basada en voz.
Experimenta una latencia, confiabilidad y calidad mejoradas
En las interacciones en tiempo real, cada milisegundo de latencia elimina el flujo natural de la conversación que los usuarios esperan. El nuevo modelo comprende mejor el tono, el énfasis y la intención, lo que permite a los agentes mejoras clave:
- Mayor tasa de finalización de tareas en entornos ruidosos del mundo real: Hemos mejorado significativamente la capacidad del modelo para activar herramientas externas y proporcionar información durante conversaciones en vivo. Al discernir mejor el habla relevante de los sonidos ambientales como el tráfico o la televisión, el modelo filtra de manera más efectiva el ruido de fondo para mantenerse confiable y receptivo a las instrucciones.
- Mejor seguimiento de instrucciones: Se ha mejorado significativamente la adherencia a instrucciones complejas del sistema. Tu agente se mantendrá dentro de sus límites operativos, incluso cuando las conversaciones tomen giros inesperados.
- Diálogo más natural y de baja latencia: El modelo más reciente mejora la latencia y es aún más efectivo para reconocer matices acústicos como el tono y el ritmo en comparación con 2.5 Flash Native Audio, haciendo que las conversaciones en tiempo real se sientan mucho más fluidas y naturales.
- Capacidades multilingües: El modelo admite más de 90 idiomas para conversaciones multimodales en tiempo real.
Ve la API de Gemini Live en acción
Los desarrolladores están creando activamente agentes de voz que se comunican con un flujo y ritmo naturales y realizan acciones de manera confiable con los modelos Gemini Flash Live. Aquí hay algunos ejemplos de aplicaciones del mundo real que utilizan el modelo para impulsar sus interacciones conversacionales:
Stitch
Usando la API de Gemini Live, Stitch ahora permite a sus usuarios diseñar con su voz. El agente puede 'ver' el lienzo y las pantallas seleccionadas, dar críticas de diseño, crear variaciones y más.
Hey Ato
En esta demostración, el dispositivo compañero de IA para adultos mayores, Ato, utiliza las capacidades multilingües de Gemini 3.1 Flash Live para convertir las conversaciones diarias en conexiones reales para sus usuarios.
Wits End
Mira cómo el equipo de Weekend integra la fuerte caracterización y la entrega similar a la humana de Gemini 3.1 Flash Live para agregar un toque teatral único al Game Master en su RPG - Wit’s end.
0:52
Construye con un ecosistema en expansión de integraciones
La API de Live está diseñada para entornos de producción, pero los sistemas del mundo real requieren el manejo de diversas entradas, desde transmisiones de video en vivo hasta llamadas telefónicas bajo demanda.
Para sistemas que requieren escalado de WebRTC o enrutamiento global en el borde, recomendamos explorar nuestras integraciones de socios para agilizar el desarrollo de agentes de voz y video en tiempo real.
Comienza con la API de Live**
Gemini 3.1 Flash Live está disponible a partir de hoy a través de la API de Gemini y en Google AI Studio. Los desarrolladores pueden usar la API de Live de Gemini para integrar el modelo en su aplicación.
Mira este
para construir agentes de voz con Gemini 3:
Explora nuestra documentación para desarrolladores para aprender cómo puedes construir agentes en tiempo real.
- Documentación de la API de Live de Gemini: Explora funciones como soporte multilingüe, uso de herramientas y llamadas a funciones, gestión de sesiones (para administrar conversaciones largas) y tokens efímeros.
- Ejemplos de la API de Live de Gemini: Inspírate con el tipo de experiencias de voz que puedes construir hoy con el modelo.
- Habilidad de la API de Live de Gemini: Para que los agentes de codificación aprendan y construyan con la API de Live.
Comienza con el SDK de Google GenAI:
1import asyncio2from google import genai34client = genai.Client(api_key="YOUR_API_KEY")56model = "gemini-3.1-flash-live-preview"7config = {"response_modalities": ["AUDIO"]}89async def main():10 async with client.aio.live.connect(model=model, config=config) as session:11 print("Session started")12 # Send content...1314if __name__ == "__main__":15 asyncio.run(main())
