Fish Audio Live 3 parla una sola lingua. Gemini 3.8 Live ne parla 97 e inserisce un watermark ogni secondo.

Fish Audio Live 3 e Gemini 3.8 Live concordano sull'idea importante e non sono d'accordo su quasi tutto il resto. Entrambi collocano l'alternanza dei turni all'interno del modello vocale anziché in una pipeline di parti separate. Live 3, annunciato il 2026-11-10, sostiene la tesi in termini comportamentali: una pausa nel mezzo di un numero di telefono non è lo stesso evento della pausa alla fine di una domanda, e il modello può decidere di rispondere in appena 186 millisecondi, una cifra riportata da Fish Audio e che nessuno ha verificato. Gemini 3.8 Live, annunciato il 2026-09-15, risponde allo stesso problema con la documentazione: 97 lingue con cambio a metà conversazione, una filigrana SynthID su ogni secondo di audio generato, una scheda del modello pubblicata, due ID di modello API documentati e una riga di Artificial Analysis che riporta 76,0 sullo Speech to Speech Index con tutte e quattro le sue componenti compilate.

È quell’asimmetria, non il dato sulla latenza, a decidere questo confronto. Uno di questi modelli può essere inserito oggi in un documento di approvvigionamento e difeso riga per riga; l’altro deve essere strumentato dal team che lo adotta. E sotto c’è un punto più incisivo: il comportamento che Live 3 sta vendendo non è la dimensione in cui Gemini 3.8 Live è più forte, e non è nemmeno una dimensione su cui Live 3 è stato valutato — quindi per ora il confronto si decide in base a ciò che si può verificare, non a quale modello gestisce meglio una chiamata telefonica.

Il divario di copertura non è una nota a piè di pagina.

Inizia da ciò che ciascun modello farà al di fuori di una demo, perché per la maggior parte degli acquirenti questa sezione chiude la valutazione prima che vengano poste le domande interessanti.

• Lingue — Gemini 3.8 Live supporta 97 lingue e passa automaticamente dall'una all'altra nel corso della conversazione. Fish Audio dichiara chiaramente che Live 3 è solo in inglese al lancio. Una linea di prenotazione a Madrid, una coda di assistenza a San Paolo e un ufficio di recupero crediti a Varsavia non sono implementazioni di Live 3 questo trimestre.

• Provenienza — ogni secondo di audio generato da Gemini 3.8 Live porta il watermark SynthID di Google, ed entrambe le varianti vocali Gemini sono documentate in una model card pubblicata con il nome gemini-3-8-audio. L'annuncio di Fish Audio non menziona alcun watermarking né metadati di provenienza per Live 3. Se la tua giurisdizione si sta muovendo verso l'obbligo di dichiarare le voci sintetiche, questa differenza si presenta come una questione legale anziché ingegneristica.

• Identificatori — Google pubblica gemini-3.8-live e gemini-3.8-live-extended-thinking come ID di modello richiamabili tramite la Gemini API, la Live API e AI Studio. L'annuncio di Fish Audio nomina Live 3 ma non pubblica alcun identificatore di modello né alcuna documentazione degli endpoint per singolo modello.

• Input non audio — Gemini 3.8 Live elabora input visivi quasi in tempo reale, in aggiunta al supporto per fotocamera e condivisione dello schermo che la linea già offriva. Live 3 è audio in entrata, audio in uscita.

• Percorso enterprise — la strada di Google è l'anteprima privata in Gemini Enterprise, con l'edizione dedicata alla customer experience indicata come in arrivo. Quella di Fish Audio è l'Agent Platform, attualmente in beta pubblica, più la distribuzione on-premises per i clienti enterprise — un'offerta davvero diversa, e l'unico punto in questo elenco in cui il fornitore più piccolo ha la risposta più forte per un acquirente che non può inviare audio a un cloud pubblico.

Ciò che l'indice può vedere, e ciò che non può

Artificial Analysis costruisce il suo Speech to Speech Index come un composito a pari peso di ragionamento vocale, prestazioni agentiche, preferenza nell’arena e successo nelle attività, e valuta un intero sistema anziché un singolo modello. La riga di Gemini 3.8 Live è completa: indice 76,0, Big Bench Audio 92%, tempo al primo audio 1,18 secondi, successo nelle attività 93,2%, dinamiche conversazionali 96,1%, Elo nell’arena 1.083 e 30,1% nel benchmark per attività di assistenza clienti τ-Voice. Live 3 non ha alcuna riga al 2026-11-11; la classifica elenca Fish Audio come famiglia di modelli e non assegna alcun punteggio al suo lavoro duplex.

Guarda attentamente due di quei componenti, perché dicono qualcosa che il titolo non dice. Il 96,1% di Gemini 3.8 Live sulla dinamica conversazionale è il valore più alto della sua riga e il proxy pubblicato più vicino a ciò che Live 3 sta vendendo: un modello a turni che si colloca ai vertici di una misura di alternanza dei turni. Il suo 30,1% su τ-Voice è il valore più basso della riga ed è il motivo per cui il modello si posiziona quinto anziché primo: conversa bene e completa raramente le attività. La soluzione approntata da Google stessa è stata una seconda variante, Gemini 3.8 Live Extended Thinking, che raggiunge il 68,6% sullo stesso test e conquista il primo posto nell'indice con 82,6, per circa quattro volte il costo orario dell'audio.

La lezione di questo confronto è scomoda per entrambi i fornitori. Le dinamiche conversazionali e l’alternanza naturale dei turni non sono la stessa misurazione, ed è esattamente per questo che un 96,1% sull’una e un’affermazione non valutata sull’altra non possono essere messi sullo stesso piano. L’argomento di Live 3 è che il suo comportamento sia migliore di quello di un modello basato sui turni in una situazione specifica — un chiamante che fa una pausa a metà numero, o che mormora un assenso mentre l’agente rilegge un ordine. Finché qualcuno non lo sottopone a un sistema di valutazione dell’alternanza dei turni, la posizione onesta è che Live 3 sta facendo un’affermazione su uno scenario che le classifiche pubblicate non isolano.

Provenienza, e la domanda che si porrà un revisore

La voce è l’unica modalità in cui un team di conformità chiede dell’output prima ancora del prezzo. Gemini 3.8 Live ha una risposta pronta: watermarking SynthID sull’audio generato, una model card denominata e un fornitore con una posizione pubblicata sull’uso responsabile alle spalle di entrambi. Live 3 ha un annuncio insolitamente preciso sul comportamento conversazionale e completamente silenzioso su come un ascoltatore o un rilevatore potrebbe distinguere il suo output da una registrazione.

Non è una ragione per evitare Live 3, ed è una ragione per porre a Fish Audio una domanda diretta prima di distribuirlo su una linea che registra le chiamate. Se l'audio sia contrassegnato da watermark, se le sessioni producano una trascrizione o un record di audit e quale sia la politica di conservazione per entrambi sono i tre elementi che un revisore vorrà per iscritto. Fish Audio ha documentato l'autenticazione tramite token di sessione della piattaforma e la sua superficie REST /v1/agent/*, quindi l'infrastruttura esiste per rispondere a tutti e tre — l'azienda semplicemente non ha pubblicato le risposte, e un giorno dopo il lancio questa è la normalità più che un campanello d'allarme.

Il prezzo che esiste e quello che non esiste

Gemini 3.8 Live è pubblicato a $0,005 al minuto di audio in ingresso e $0,018 al minuto di audio in uscita tramite la Live API. Una chiamata di cinque minuti con output audio continuo costa quindi poco più di undici centesimi di voce, prima di qualsiasi costo del modello backend. Artificial Analysis converte le tariffe di Google in una cifra oraria calcolata su un sottoinsieme fisso di quaranta domande, e quella colonna derivata è cambiata tra una rilevazione e l'altra: $0,84 all'ora per il modello standard nella classifica del 16 settembre, $1,50 in una successiva. Entrambi sono conversioni, non prezzi quotati; le tariffe al minuto sono il dato su cui basare il budget.

Live 3 non ha un prezzo. Il listino tariffe di Fish Audio elenca drama-3 a 50 $ per milione di byte UTF-8, s2.1-pro e s2-pro a 15 $, s2.1-pro-free a zero e s1 a 15 $ con data di dismissione 2026-12-31, oltre a tre modelli speech-to-text e voice-design-1 a un centesimo per richiesta. Live 3 non compare nel listino. Anche una chiamata con agente duplex non ha un conteggio naturale in byte — l'audio in ingresso è qualunque cosa dica il chiamante — quindi persino la forma del contatore non è pubblicata. Qualsiasi modello di costo per Live 3 scritto oggi è una congettura, e tale congettura dovrebbe essere etichettata come tale in qualunque documento finisca.

Cosa si cela dietro la voce

Nessuno dei due modelli è l'intero sistema, e il punto di giunzione è lo stesso su entrambi i lati. Gemini 3.8 Live esegue strumenti e API in background, confermando una richiesta e continuando a parlare mentre la chiamata si completa — e quel lavoro si traduce in normali chiamate al modello con normali costi in token. L'Agent Platform di Live 3 espone un hook custom-LLM che indirizza il ragionamento di un agente verso qualsiasi endpoint compatibile OpenAI. In entrambi i casi il modello vocale è un front end e un modello testuale fa il pensiero.

Quel livello è quello in cui un router si guadagna il suo posto, ed è l'unico livello in entrambi gli stack in cui cambiare costa poco. OrcaRouter offre 216 modelli dietro un'unica chiave al prezzo di listino del fornitore, senza alcun ricarico, così un taglio di prezzo a monte arriva lo stesso giorno anziché al rinnovo contrattuale successivo, il failover automatico mantiene viva una chiamata quando un backend genera errori o va in timeout, un DSL di routing decide quale modello gestisce quale tipo di turno, e la fusione di modelli consente a un modello economico di abbozzare una tool call mentre uno più forte la verifica prima che parta. Per essere precisi sul confine: OrcaRouter non ospita Fish Audio Live 3 né l'endpoint vocale Gemini 3.8 Live. Nessuno dei due dispone di un endpoint vocale di terze parti, e il livello vocale in entrambi gli stack resta con il rispettivo fornitore. Il livello di ragionamento è la parte portabile, e per uno stack costruito su un modello a prezzo di anteprima di un fornitore e una piattaforma beta di un altro, la portabilità è la proprietà che sopravvive al prossimo rilascio.

A cosa serve ciascuno in realtà

Scegli Gemini 3.8 Live se il tuo prodotto è globale, se l'audio esce dalla tua infrastruttura e qualcuno ti chiederà di dimostrare da dove proviene, oppure se hai bisogno che l'agente veda uno schermo o una fotocamera. Ha la scorecard, la filigrana, le lingue, la tariffa pubblicata e l'ID del modello. Il suo punto debole è il completamento delle attività al 30,1% su τ-Voice, e la soluzione che Google vende per questo è la variante Extended Thinking a un costo orario quadruplo.

Pilot Fish Audio Live 3 se le tue chiamate sono in inglese, i vincoli della tua infrastruttura escludono un cloud pubblico e il tuo registro dei reclami è pieno di chiamanti a cui si parla sopra o che ripetono sequenze di cifre. La distribuzione on-premises è un vero vantaggio in questo caso, e uno che Google non offre. Entra aspettandoti di dover costruire tu stesso la valutazione: non c'è un punteggio con cui confrontarsi, nessun prezzo pubblicato da prevedere e nessun watermark da indicare.

Non trattare 76.0 come un verdetto sul turn-taking. È un valore composito che dà molto peso al completamento di attività agentiche, e Gemini 3.8 Live è debole proprio lì. Il dato che risolverebbe questo confronto è un punteggio di turn-taking per Live 3 sullo stesso harness su cui vengono misurati tutti gli altri — e finché non esiste, i due modelli vengono confrontati sulla documentazione anziché sul comportamento.