I migliori modelli vocali IA in tempo reale nel 2026

Il miglior modello vocale IA in tempo reale per costruire un prodotto nel 2026 è la Gemini Live API di Google: token audio a circa un decimo del prezzo in ingresso di OpenAI, 97 lingue supportate, e il tempo al primo audio più rapido misurato. GPT-Live di OpenAI è la conversazione più naturale, ma non ha un’API. Ecco il confronto onesto, dall’esperienza in produzione.

Perché ci si può fidare di questo confronto

Ogni classifica di modelli vocali IA che si trova questo mese è stata scritta da qualcuno che ha letto i post di lancio. Questo l’ha scritto un team che paga una fattura di modello vocale ogni mese. Mintza, la nostra app di conversazione linguistica, gira sulla Gemini Live API in produzione: utenti reali, quindici lingue, sessioni che durano oltre un’ora. Questo è un bias, e lo dichiariamo apertamente. È anche il motivo per cui sappiamo dove questi modelli si rompono davvero, la parte che i post di lancio omettono.

Quindi questo confronto ammette ciò che l’evidenza dice che OpenAI fa meglio, riporta i prezzi dalle pagine ufficiali, e racconta cosa comporta davvero far girare uno di questi modelli su scala.

GPT-Live contro Gemini Live: due tipi di prodotto diversi

Il confronto che la maggior parte delle persone cerca è un errore di categoria, e chiarirlo è metà dell’articolo.

GPT-Live, che OpenAI ha lanciato l'8 luglio 2026 come nuova modalità vocale di ChatGPT, è un prodotto consumer. È genuinamente impressionante: audio full-duplex reale, cioè ascolta e parla contemporaneamente e, nelle parole della sua stessa system card, decide sul momento se rispondere o continuare ad ascoltare. Nient’altro in questa lista lo fa. Ma non ci si può costruire sopra. Fino alla fine di luglio 2026 non esiste un’API per GPT-Live, solo un modulo per essere avvisati quando ne esisterà una. La stessa system card ammette candidamente che GPT-Live delega le query difficili a modelli testuali e che GPT-Live-1 e la sua variante mini sono meno capaci di GPT-5.5 Thinking in diverse valutazioni di intelligenza. E OpenAI non pubblica un elenco di lingue supportate; TechCrunch ha riportato critiche sull’accento della stessa demo in hindi di OpenAI.

Quello che OpenAI offre davvero agli sviluppatori è la Realtime API, attualmente gpt-realtime-2.1 e una variante mini. È un prodotto solido: speech-to-speech nativo, con supporto WebRTC, WebSocket e SIP. Ma è a turni con rilevamento semantico dell’attività vocale, non full-duplex, e le sessioni hanno un tetto di 60 minuti. La magia che rende GPT-Live umano è esattamente la parte che non si può noleggiare.

La Gemini Live API ha la forma opposta: il prodotto completo è l’API. Quello che Google consegna agli sviluppatori è quello che Google ha.

Google Gemini Live API: il modello su cui si può davvero costruire

Google ha annunciato Gemini 3.1 Flash Live il 26 marzo 2026, definendolo il suo modello audio e vocale di qualità più alta finora, con 90.8 per cento su ComplexFuncBench Audio per l’uso di strumenti guidato dalla voce e watermarking SynthID sull’audio generato. I numeri che contano per chi costruisce sono nella documentazione:

• Prezzo. Secondo la pagina dei prezzi ufficiale, l’audio in ingresso costa $3.00 per milione di token e quello in uscita $12.00 per milione. C’è un livello gratuito, quindi si può prototipare senza fattura. Una nota di onestà dall’esperienza: non convertire questi prezzi per token in una cifra al minuto e chiamarla il proprio costo. Una sessione dal vivo fattura anche il contesto della conversazione rinviato a ogni turno e gli eventuali token di ragionamento, quindi il costo reale al minuto di una conversazione risulta notevolmente superiore alla semplice matematica dei token audio. Resta comunque nell’ordine dei centesimi al minuto, e resta una frazione delle tariffe di OpenAI, ma va calcolato il budget dalle sessioni misurate, non dal listino prezzi.
• Lingue. La documentazione della Live API elenca 97 lingue supportate, e il modello è multilingue per natura: può cambiare a metà frase, un dettaglio che conta più di quanto sembri e su cui si tornerà.
• Controllo. Rilevamento automatico dell’attività vocale con sensibilità e durata del silenzio configurabili, oppure gestione dei turni completamente manuale. L’interruzione annulla la generazione. 30 voci.
• Sessioni. La nota dolente onesta: le sessioni audio sono limitate a 15 minuti senza compressione del contesto, e le singole connessioni ruotano circa ogni 10 minuti con un avviso GoAway. Il ripristino della sessione e la compressione della finestra di contesto sono la risposta documentata, e funzionano; le nostre sessioni in produzione superano l’ora attraverso molte connessioni ruotate.

Due avvertenze che vorremmo vedere dichiarate se qualcun altro scrivesse questo articolo. Il modello attuale, gemini-3.1-flash-live-preview, è in stato preview, non GA. E due funzioni espressive della generazione audio nativa 2.5, il dialogo affettivo e l’audio proattivo, non sono supportate su 3.1 Flash Live.

xAI Grok Voice: il rivale con la bolletta più semplice

Grok Voice è la terza opzione interessante, e l’unica il cui prezzo si calcola a mente: un fisso di $0.05 al minuto, $3 all’ora, indipendentemente da quanto di quel minuto sia effettivamente parlato. È una vera API speech-to-speech, grok-voice-latest, con rilevamento dell’attività vocale lato server e una funzione genuinamente differenziante: clonazione vocale da 120 secondi di audio. Offre oltre due dozzine di voci e copertura di più di 25 lingue.

Il prezzo fisso è facile da amare e facile da valutare male. Un prodotto di conversazione passa la maggior parte dei suoi minuti ad ascoltare, e ascoltare è la metà economica del contatore di Gemini. Con cicli d’uso tipici, Gemini finisce per costare notevolmente meno di $0.05 al minuto. Ma se le sessioni sono brevi e dense, l’aritmetica di Grok è rinfrescantemente onesta, e i suoi punteggi sui benchmark, come si vedrà tra poco, non sono affatto un premio di consolazione.

Amazon Nova 2 Sonic: la mossa enterprise per la telefonia

Nova 2 Sonic di Amazon è un modello speech-to-speech unificato su Bedrock con una finestra di contesto da un milione di token e la storia di telefonia più profonda del gruppo: integrazioni con Amazon Connect e Twilio, esattamente quello che un team di contact center vuole sentire. Elenca 7 lingue, la copertura più ristretta qui. Se il proprio prodotto vocale è una linea telefonica verso un’azienda, Nova 2 Sonic entra nella lista ristretta. Se è qualcosa di multilingue, no.

Claude, e l’angolo open source

Due note a piè di pagina oneste. Claude di Anthropic ha una modalità vocale consumer, ma è una pipeline speech-to-text, testo, text-to-speech con un piccolo set di voci predefinite e 18 lingue, e non esiste una vera API vocale in tempo reale. Chi costruisce può passare oltre.

L’open source è più avanti di quanto la maggior parte pensi. Moshi di Kyutai è un modello open source genuinamente full-duplex con latenza pratica intorno ai 200 millisecondi, e Qwen3-Omni offre pesi aperti per un modello omni-modale end-to-end. Nessuno dei due ha la rifinitura delle API commerciali, ma se il vincolo è far girare tutto sul proprio hardware, l’opzione esiste.

Cosa dicono i benchmark, inclusa la parte che favorisce OpenAI

I dati di terze parti più utili sono l’Artificial Analysis Speech-to-Speech Index, un composito di ragionamento vocale, dinamica conversazionale e uso agentico degli strumenti. Va letto per intero, non selettivamente:

• Composito generale: GPT-Realtime-2 con ragionamento alto guida con 77.2 per cento, Grok Voice Think Fast segue con 75.7, e Gemini 3.1 Flash con ragionamento alto si ferma al 69.5. OpenAI vince il composito. Era stato detto che non sarebbe stato un elogio a senso unico.
• Ragionamento vocale: praticamente un pareggio a tre in vetta. Grok segna 97.1 per cento, con GPT-Realtime-2 e Gemini 3.1 Flash entrambi al 97. L’intelligenza sopra l’audio è ormai lo standard tra i tre grandi.
• Dinamica conversazionale: qui è dove OpenAI domina davvero. Su Full Duplex Bench, i modelli di OpenAI segnano tra il 95.2 e il 95.7 per cento contro il 74.3 di Gemini e il 77.8 di Grok. Le interruzioni naturali, i cenni di ascolto e la gestione dei turni che rendono la voce di OpenAI così umana sono reali e misurati, non marketing.
• Latenza: il tempo al primo audio più rapido misurato appartiene a Google. Gemini 2.5 Flash Native Audio risponde in 0.63 secondi, davanti a Grok con 0.78. In una conversazione, il modello che inizia a parlare per primo sembra più intelligente.

Un’avvertenza che gli stessi editori del benchmark fanno e che si ripete qui: questi dati misurano i modelli API. GPT-Live in sé non può essere misurato, perché non esiste un’API da misurare. La miglior dinamica conversazionale del settore è, per ora, un’esclusiva consumer.

Quindi il bilancio onesto: OpenAI vince la dinamica conversazionale e il composito. Gemini vince il prezzo per un multiplo, le lingue per un multiplo, la latenza misurata al primo audio, e l’accesso per sviluppatori a parità con tutti gli altri. Quale insieme di vittorie conta dipende interamente da cosa si sta costruendo.

Cosa abbiamo imparato facendo girare Gemini Live in produzione

Questa è la sezione che nessun’altra classifica può scrivere, quindi si sarà specifici. Mintza fa girare Gemini Live dietro un proxy WebSocket in Go, con conversazioni che superano l’ora.

La rotazione della connessione ogni 10 minuti è reale, ed è gestibile. Gemini ruota le connessioni WebSocket circa ogni 10 minuti, inviando prima un avviso GoAway. Il nostro backend si riconnette in modo trasparente usando gli handle di ripristino della sessione, a metà conversazione, e l’utente non se ne accorge mai. Una lezione di un’ora attraversa silenziosamente mezza dozzina di connessioni. Se l’architettura assume un socket per conversazione, questa è la prima cosa che si rompe.

Il rilevamento dell’attività vocale è una decisione di prodotto, non un default. Gemini permette di configurare quanto deve durare un silenzio prima che il modello concluda che si è finito di parlare. La documentazione suggerisce valori sotto il secondo. Lo si è portato a diverse volte quel valore, deliberatamente, perché uno studente di lingue che si ferma per cercare una parola non ha finito di parlare, e un insegnante che piomba su ogni pausa è un insegnante che gli studenti abbandonano. Un assistente generico vuole turni rapidi; un prodotto per l’apprendimento vuole pazienza. Quel singolo parametro fa la differenza, e solo la configurabilità del VAD di Gemini l’ha reso un’impostazione invece di una riscrittura.

A volte si progetta intorno al modello. Il VAD paziente ha un costo: uno studente che porta avanti un lungo monologo fluente non si ferma mai abbastanza a lungo da cedere il turno, ed è stato trovato un tetto non documentato in cui un singolo turno non confermato alla fine uccide la connessione. La soluzione: dopo un lungo tratto di parlato ininterrotto, il backend inserisce alcuni secondi di audio silenzioso nel flusso, il VAD vede la pausa costruita ad arte, l’insegnante risponde a tutto ciò che è stato detto finora, e lo studente continua senza perdere nulla. La voce IA in produzione è piena di soluzioni come questa. Va messo in conto.

Si è scelto il half-duplex di proposito. Mintza disattiva il microfono mentre l’insegnante parla, perché la cancellazione dell’eco sui telefoni è inaffidabile e un modello che sente se stesso finisce per parlare con se stesso. Si è scambiata l’interruzione per la chiarezza dell’audio, deliberatamente. Ecco perché anche Full Duplex Bench, il benchmark in cui Gemini perde più nettamente, conta poco per questo caso d’uso: le interruzioni sono state disattivate per design. I pesi del proprio benchmark dovrebbero seguire il prodotto, non la classifica.

Le sessioni lunghe hanno bisogno di gestione del contesto. Un’ora di conversazione farebbe traboccare la finestra di contesto, quindi ci si affida alla compressione del contesto di Gemini, e il nostro system prompt è composto da cinque livelli: personalità di base, personalità da insegnante di lingue, comportamento per livello, lezione e conoscenza dell’utente. La persona si mantiene coerente per tutta la sessione e attraverso ogni connessione ruotata. Quella coerenza su un’ora è una capacità che nessuna scheda tecnica elenca.

Lingue e prezzo sono l’intero modello di business. Mintza insegna quindici lingue in qualsiasi direzione, 210 combinazioni, su un unico modello, perché la qualità multilingue di Gemini è abbastanza uniforme da potersene fidare e il modello può cambiare lingua a metà frase, il che è ciò che rende possibile il nostro salvataggio bilingue: l’insegnante passa alla propria lingua madre quando ci si blocca, poi riporta indietro. E ai tassi audio di Gemini, un minuto di conversazione costa centesimi, il che rende sostenibile vendere piani mensili da 180 a 600 minuti parlati a prezzi consumer. A dieci volte il costo in ingresso, questo prodotto non esisterebbe.

Cosa rendono possibile i modelli vocali in tempo reale

Il motivo per cui questa classe di modello conta è la gamma di prodotti che sblocca, e ognuno mette alla prova una dimensione diversa:

• Pratica orale delle lingue. Il nostro caso. Mette alla prova le lingue, il prezzo su scala, i turni pazienti, e la stabilità della persona su sessioni lunghe. Ne abbiamo scritto dal lato consumer in ChatGPT può insegnarti a parlare una lingua?
• Tutoraggio ed educazione oltre le lingue: lo stesso profilo di sessioni lunghe e ascolto paziente, più uso di strumenti per esercizi e progressi.
• Assistenza clienti e telefonia. Mette alla prova SIP e l’infrastruttura dei sistemi telefonici, motivo per cui esistono il supporto SIP di OpenAI e le integrazioni di Nova 2 Sonic con Amazon Connect e Twilio.
• Accessibilità e traduzione dal vivo. Interfacce voice-first per chi non può usare gli schermi, e traduzione in tempo reale, dove sia Google che OpenAI rilasciano varianti di modello dedicate.
• Compagnia e assistenti quotidiani. L’unica categoria in cui la dinamica conversazionale è il prodotto stesso, motivo per cui la naturalezza full-duplex dimostrata da OpenAI con GPT-Live conta così tanto lì.

“Migliore” è una funzione del compito. Un’app di compagnia dovrebbe pesare molto Full Duplex Bench. Un prodotto di telefonia dovrebbe pesare le integrazioni. Un prodotto educativo su scala dovrebbe pesare lingue, prezzo e controllo del VAD, e quel compito, quello che si conosce dall’interno, è quello che Gemini vince nettamente.

Il verdetto

Se si sta costruendo un prodotto reale oggi, specialmente uno multilingue, la Gemini Live API è il miglior modello vocale IA in tempo reale nel 2026: un ordine di grandezza più economico sull’audio in ingresso rispetto alla Realtime API di OpenAI, 97 lingue contro le decine degli altri, il primo audio misurato più rapido, un livello gratuito per iniziare, e la configurabilità per rendere il comportamento vocale una decisione di prodotto. OpenAI ha costruito la conversazione più naturale del settore e l’ha chiusa dentro ChatGPT; la sua Realtime API è eccellente ma ha un prezzo da enterprise. Grok Voice è il rivale da tenere d’occhio, con prezzo fisso e clonazione vocale. Nova 2 Sonic domina il contact center. Claude non è in questa corsa.

Si è arrivati a questo verdetto per la via costosa: costruendoci sopra. Mintza è come appare il modello vincente in produzione, un insegnante di conversazione in quindici lingue con conversazioni che superano l’ora. Per sentire come suona la Gemini Live API quando un team di prodotto ottimizza ogni parametro per un solo compito, i primi dieci minuti sono gratuiti. E se si sta scegliendo un’app piuttosto che un modello, il confronto completo è in le migliori app IA per parlare una lingua.

Mintza è disponibile per iOS e Android.