Google lancia Gemini 3.8 Live: speech-to-speech via WebSocket

Google apre l’accesso a Gemini 3.8 Live su WebSocket: si parla dal browser e si riceve risposta in voce, con la possibilità di interrompere l’output in tempo reale.

L’azienda indica un endpoint WebSocket dedicato: wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent?key=…. La sessione parte dal client web, scambia audio in entrambe le direzioni e gestisce la conversazione in forma vocale. Il modello ascolta, elabora e risponde parlando; l’utente può fermare la riproduzione e riprendere la parola.

Accanto a Gemini 3.8 Live arriva anche Gemini 3.8 Live Extended Thinking, con la stessa modalità di accesso via WebSocket. L’obiettivo pratico è chiaro: ridurre i passaggi per testare una conversazione voce‑voce direttamente nel browser, senza componenti intermedi.

Simon Willison ha costruito una web UI a partire dalla documentazione ufficiale per provare i nuovi modelli. L’interfaccia consente di:

• scegliere il modello e un preset di voce;
• inserire un system prompt opzionale;
• avviare una conversazione vocale dal browser;
• interrompere la risposta del modello durante la riproduzione.

La demo si collega all’endpoint WebSocket indicato e usa l’AudioContext della Web Audio API per catturare il microfono e riprodurre l’audio generato. Non richiede librerie esterne: tutte le operazioni passano per API web standard. Nella descrizione compaiono i dettagli essenziali per replicare: URL del servizio con il parametro “?key=…”, acquisizione dell’audio dal browser, streaming bidirezionale, riproduzione in uscita, controllo di stop.

Willison inquadra Gemini 3.8 Live come “simile” alla famiglia GPT‑Live di OpenAI. Il parallelo serve a descrivere l’esperienza d’uso: dialogo in tempo reale, voce in ingresso e in uscita, interruzione dal client quando serve. La sua UI espone i controlli minimi per governare la sessione: selezione del modello, scelta della voce, campo per il prompt di sistema, pulsanti per avviare e gestire la conversazione.

Per chi vuole iniziare, Willison rimanda al “tutorial Gemini Live” nella guida ufficiale all’API WebSocket. Il percorso è lineare: collegarsi all’endpoint, inviare audio dal microfono, ricevere l’audio della risposta e riprodurlo con le API del web.

La combinazione di WebSocket e Web Audio API copre l’essenziale per un test locale. Si evita un backend dedicato e si può osservare subito il comportamento della conversazione voce‑voce, inclusa la gestione dell’interruzione. Resta inteso che la prova richiede una chiave API e un browser con permessi audio attivi, come mostrato nella demo e nella documentazione.

Perché conta. Portare la conversazione speech‑to‑speech nel browser, con streaming bidirezionale e controlli minimi, accorcia il percorso tra documento tecnico e prototipo. Chi sviluppa può validare UX e tempi di risposta senza impianti complessi, valutando presto se l’interazione vocale offerta da Gemini 3.8 Live soddisfa i requisiti del caso d’uso.