Gemini 3.8 Live de Google: voz con IA a 1,38 $ por hora

Qué ha ocurrido

Google DeepMind ha presentado Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking, dos modelos de audio orientados a desarrolladores que, según The Decoder, encabezan la clasificación speech-to-speech de Artificial Analysis. Ambos llegan con una propuesta de precio que marca la diferencia: 1,38 $ por hora de conversación de voz.

Según la misma fuente, esa tarifa sitúa a Google muy por debajo de GPT-Live-1, el modelo de voz de OpenAI con el que compite directamente. The Decoder sostiene, no obstante, que GPT-Live-1 debería seguir sonando más natural gracias a su capacidad de conversación full duplex, es decir, de comunicación bidireccional simultánea.

El lanzamiento, por tanto, pone en el centro de la conversación un equilibrio entre coste y naturalidad en la voz generada por IA, algo que los equipos que diseñan asistentes conversacionales tendrán que valorar con detalle.

Por qué importa

La conversación por voz es una de las interfaces que más sensibilidad tiene al coste por minuto. Cuando el precio por hora baja de forma notable, los proyectos de atención al cliente, asistentes de voz y experiencias de servicio que antes se consideraban caros o experimentales pueden entrar en la fase de pruebas. Este movimiento apunta a que la voz con IA podría dejar de ser un lujo reservado a unas pocas aplicaciones de alto valor.

Al mismo tiempo, el propio reporte sugiere que el precio no lo decide todo. Si la naturalidad del diálogo sigue siendo el factor diferencial, las organizaciones tendrán que decidir qué pesa más en cada caso de uso: el ahorro o la fluidez que percibe el usuario. Esa decisión tiene consecuencias directas sobre la confianza, la satisfacción y la resolución en el primer contacto.

Las cifras clave

• 1,38 $ por hora de conversación de voz, la tarifa que Google anuncia para estos modelos según The Decoder.
• Dos modelos lanzados a la vez: Gemini 3.8 Live y Gemini 3.8 Live Extended Thinking.
• Primeros puestos en la clasificación speech-to-speech de Artificial Analysis, según la cobertura citada.

La perspectiva de Renascence

La mayoría de los titulares se fijarán en el precio, pero el dato que más debería preocupar a un responsable de experiencia es otro: la sensación de naturalidad de la conversación. Un cliente que tiene que repetirse, esperar o cortar al asistente abandona el canal con independencia de lo barata que sea la infraestructura que lo sostiene.

Abaratar la voz no resuelve el problema de diseño de servicio: la pregunta relevante es si el asistente escucha, responde a su debido tiempo y cede el turno como lo haría una persona. Las organizaciones que sigan este lanzamiento deberían probar ambos enfoques con sus propios guiones de llamada, midiendo la tasa de resolución y la percepción del usuario antes de decidir por coste. El precio por hora es un argumento de compra; la fluidez conversacional es el argumento de fidelización, y rara vez coinciden en el mismo modelo.