Googleの音声AIモデル Gemini 3.1 Flash Live とは？

矢野 哲平

目次

こんにちは、AIニュースアプリ Morning AI 開発者の矢野哲平です。この記事ではGoogleが発表した音声AIモデル Gemini 3.1 Flash Live について触れます。

Gemini 3.1 Flash Live: Making audio AI more natural and reliable - Google Blog

Gemini 3.1 Flash Live の概要

Gemini 3.1 Flash Live は、Googleのリアルタイム音声対話に特化したモデルです。音声AIをより自然で信頼性の高いものにすることを目的としています。

前モデルと比較して、ピッチやテンポといった音響的なニュアンスの認識精度が向上しました。ユーザーがイライラしていたり混乱している場合に、応答を動的に調整する能力も改善されています。

Vapiのようなエージェントコールセンターを構築できるようなツールを使う場合に良い選択肢になる可能性があります。

ベンチマーク結果

複数のベンチマークでトップスコアを記録しています。

ベンチマーク スコア 内容
ComplexFuncBench Audio 90.8% 複雑な制約を伴うマルチステップのfunction calling
Audio MultiChallenge (Scale AI) 36.1% (thinking ON) 割り込みや言い淀みがある実環境での指示理解・推論

ComplexFuncBench Audioは、音声エージェントが複数のステップにまたがるタスクをどれだけ正確に実行できるかを測定するベンチマークです。Audio MultiChallengeは、実際の会話で起きる中断やためらいの中で、複雑な指示にどこまで対応できるかをテストします。

誰が使えるのか？

3.1 Flash Live は利用者の立場ごとに異なるチャネルで提供されています。

  • 開発者: Gemini Live API（プレビュー）経由で Google AI Studio から利用可能
  • 企業: Gemini Enterprise for Customer Experience で利用可能
  • 一般ユーザー: Search Live および Gemini Live で利用可能

開発者向けはプレビュー段階ですが、一般ユーザーはすでに Gemini Live や Search Live を通じて体験できます。

開発者はGoogle AI Studioから簡単に試すことができます。

Google AI Studioのモデル選択画面。Liveの分類にGemini 3.1 Flash Live Previewが表示され、テキストと音声の入出力の料金が並んでいる

Gemini Live での改善点

Gemini Live では、前モデルと比べて応答速度が向上しました。会話のコンテキストを保持できる長さが2倍になり、長めのブレインストーミングでも話の流れを見失いにくくなっています。

AIとの音声対話では正確性も重要ですが、人間と話しているような自然な応答速度も見逃せないポイントです。

そして、3.1 Flash Live は多言語対応をネイティブで備えており、Search Live の200以上の国と地域への展開を支えています。ユーザーは好みの言語でリアルタイムのマルチモーダル会話ができます。

なお、リアルタイム対話ではなくテキストから音声を生成したい場合は、Gemini 3.1 Flash TTSという別モデルが用意されています。

企業での採用事例

Verizon、LiveKit、The Home Depot といった企業がすでにワークフローに3.1 Flash Liveを取り入れ、会話の自然さの改善について好意的なフィードバックを寄せています。

安全性への取り組み

3.1 Flash Live が生成する全ての音声には SynthID による電子透かしが埋め込まれます。この透かしは音声に直接織り込まれ、人間の耳では知覚できませんが、AI生成コンテンツの検出を可能にします。

音声ファーストの次のステップ

リアルタイム音声対話の品質は、AIアシスタントの使い勝手を大きく左右します。

応答速度、音響理解、コンテキスト保持の全てが改善された3.1 Flash Liveは、音声AIを実用的なレベルに引き上げる一歩かなと思います。

個人的にはGoogleのこうしたモデルはコストパフォーマンスやレイテンシに優れているので音声会話関連のプロダクトを構築する際には有力な候補かなと思います。

開発者はGoogle AI Studioから試せるので、音声エージェントの構築を考えている方はチェックしてみてください。

関連記事

  1. Gemini 3.1 Flash TTSとは？Googleの新しい音声生成モデルの特徴

    Googleが発表したテキスト音声変換モデルGemini 3.1 Flash TTSについて、オーディオタグやマルチスピーカー対応などの新機能を解説します

  2. 【AI音声入力の比較】Superwhisper vs Aqua Voice vs Typeless

    AI音声入力アプリSuperwhisper・Aqua Voice・Typelessを精度・速度・コストで比較。実際の使用感をもとにおすすめを紹介します。

  3. GoogleのAI音楽生成モデル「Lyria 3 Pro」が複数のサービスに展開

    Lyria 3 Proは最大3分の楽曲生成に対応し、イントロやサビなど楽曲構成を指定できるGoogleの新しいAI音楽モデル

新着記事

  1. AIエージェントにブラウザを操作させるには？始め方・活用例・注意点をわかりやすく解説

    ChatGPTのWorkモードやClaudeのChrome拡張機能で、AIにブラウザを操作させる方法を解説します。調べ物やレポート取得の活用例、セキュリティの考え方、定期タスクを手順書で効率化するコツまでまとめました。

  2. Gemini 4 Carbonとは？Argonを上回るGoogleの最上位モデルの特徴と、いつ使えるのかをわかりやすく解説

    Googleが10月28日（現地時間）に発表した新モデル「Gemini 4 Carbon」を整理します。軽量版ではなくArgonを上回る最上位モデルで、特にサイバーセキュリティと長時間のエージェント作業に強いのが特徴です。今は審査済みの専門家向けの限定公開で、一般公開の時期と導入価格もあわせて解説します。

  3. Claude Codeのultrathinkが変更

    Claude Codeのultrathinkが、2.1.311からそのターンのeffortを実際にxhighへ引き上げるようになりました。今の仕様、効く条件と虹色の表示、31,999トークンの時代からの変遷、よくある誤解、/effortとの使い分けを解説します。

  4. Grok Botの活用アイデアまとめ

    AIエージェント「Grok Bot」の活用アイデアまとめ。公式が紹介する営業・採用・サポートなどのビジネス向けと、Cursorと組み合わせるエンジニア向けの使い方に加え、筆者が実際にやっているX連携・ダイエットの記録・勉強・他社のAIエージェントとの連携などを紹介します。

  5. Grok Botの始め方と使い方

    AIエージェント「Grok Bot」の始め方と使い方を実体験から解説。料金と使えるプラン、Xと連携した情報収集やAIポッドキャストなどおすすめの使い方、記憶の整理でミスを減らすコツ、買い物の自動化がまだ難しい理由までまとめます。

  6. Claude Duetとは？Anthropicのクラウド型AIエージェントと、各社の動きをまとめて解説

    Anthropicが発表した先回り型のAIエージェント「Claude Duet」の仕組み、承認の仕組み、誰がいつ使えるのかを整理します。あわせてGrok Bot・Muse・dots・Gemini agentと続くクラウド型AIエージェントの流れと、今試すならどれかを解説します。

  7. Gemini NotebookはGoogleドライブのどこまで参照する？フォルダとファイルの参照範囲を解説

    Gemini Notebook（旧NotebookLM）とGoogleドライブを連携した時、AIはどこまで情報を参照するのか。指定していないフォルダまで読まれることはあるのか、連携の単位から整理します。

  8. Gemini 4 ArgonはChatGPTやClaudeと比べてどうなのか？公式比較・外部評価・得意不得意を解説

    Googleの最上位モデルGemini 4 Argonを、ChatGPT（GPT-6 Astra）やClaude（Fable 5.1・Opus 5.5）と比較。Googleの公式比較、Artificial AnalysisやVals AIなど外部の評価、実際に使った感想から、Argonの得意なこと・不得意なことを整理します。

  9. Google AI Studioで作ったAndroidアプリを自分のスマホに入れられるように｜開発者アカウント不要

    10月13日のGoogle Playの発表で、Google AI Studioで作ったAndroidアプリを自分のスマホにインストールして使えるようになりました。開発者アカウントは不要で、アプリは非公開。何が嬉しいのか、在庫チェックや日報など自分専用の業務アプリの例と、地域・年齢の注意点を解説します。

  10. SynthIDとは？TIMEの「Best Inventions 2026」に選ばれたGoogleの電子透かしをわかりやすく解説

    GoogleのSynthIDが、TIME誌の「Best Inventions 2026」に選ばれました。AIが作った画像・音声・動画・テキストに目に見えない電子透かしを入れる技術で、これまでに1,800億件以上に適用されています。何ができるのか、私たちユーザーにとって何が大事なのかを解説します。

AIニュースの最新情報を毎日チェック