Google spustil Gemini 3.1 Flash Live s vylepšeným hlasovým AI ve 200 zemích

Google představil 26. března 2026 nový model umělé inteligence Gemini 3.1 Flash Live, který si klade za cíl výrazně zlepšit přirozenost a spolehlivost audio AI. Nový model přináší vylepšenou přesnost zpracování zvuku a nižší latenci, což má uživatelům zajistit plynulejší a přirozenější hlasové interakce.

Model dosahuje skóre 90,8 % na benchmarku ComplexFuncBench Audio a 36,1 % na Scale AI's Audio MultiChallenge, což podle Googlu představuje měřitelný posun vpřed v oblasti schopností hlasových AI systémů. Součástí vylepšení je také lepší porozumění tónu a akustickým nuancím řeči, díky čemuž by měl model lépe reagovat na emocionální zabarvení hlasu či specifické zvukové podmínky prostředí.

Google model zpřístupnil hned v několika variantách podle cílové skupiny uživatelů. Vývojáři mohou s modelem pracovat prostřednictvím Gemini Live API v Google AI Studio, kde mají k dispozici nástroje pro integraci do vlastních aplikací a služeb. Podniky zaměřené na zákaznickou zkušenost mohou využít verzi Gemini Enterprise, která je navržena pro nasazení v komerčním prostředí, například v zákaznických centrech nebo automatizovaných podpůrných systémech. Běžní uživatelé se s modelem setkají prostřednictvím funkcí Search Live a Gemini Live, které jsou součástí stávajících produktů Googlu.

Dostupnost modelu je globální – Google uvádí podporu ve více než 200 zemích, což z Gemini 3.1 Flash Live činí jeden z nejšířeji nasazených hlasových AI modelů na světě. Konkrétní seznam podporovaných jazyků ani regionální omezení však společnost v tuto chvíli blíže nespecifikovala.

Mezi prvními firmami, které na model reagovaly pozitivně, jsou Verizon, LiveKit a The Home Depot. Jejich zájem naznačuje, že model nachází uplatnění zejména v telekomunikacích, platformách pro real-time komunikaci a maloobchodním sektoru, kde je kvalita hlasové interakce klíčová pro spokojenost zákazníků. Přesné detaily o konkrétním nasazení těchto společností zatím zveřejněny nebyly.

Z hlediska bezpečnosti a transparentnosti Google oznámil, že všechny audio výstupy generované modelem jsou automaticky označeny vodotiskem SynthID. Tato technologie umožňuje detekovat obsah vytvořený umělou inteligencí, i když je zvuk dále zpracován nebo upraven. Jde o součást širší snahy technologických společností o zavedení standardů pro identifikaci AI generovaného obsahu, která nabývá na důležitosti zejména v kontextu rostoucích obav z dezinformací a zneužití syntetického hlasu.

Gemini 3.1 Flash Live navazuje na předchozí vývoj v rodině modelů Gemini a potvrzuje, že Google nadále intenzivně investuje do oblasti hlasových a multimodálních AI systémů. Nízká latence modelu je přitom klíčovým parametrem pro reálné nasazení – v hlasových aplikacích totiž i drobné zpoždění výrazně snižuje přirozenost konverzace a může vést k frustraci uživatelů. Google v tomto směru reaguje na rostoucí konkurenci v oblasti hlasové AI, kde aktivně působí i OpenAI, Microsoft či Amazon.

Nový model tak představuje další krok v postupném přechodu od textových AI asistentů k systémům schopným plnohodnotné hlasové komunikace v reálném čase. Zda se Googlu podaří prosadit Gemini 3.1 Flash Live jako průmyslový standard v oblasti audio AI, ukáže teprve jeho skutečné nasazení v praxi a reakc