Il 10 novembre 2026, Fish Audio ha annunciato Live 3, un modello vocale full-duplex. Il sistema continua ad ascoltare l’interlocutore mentre parla, ed è il modello stesso a gestire il naturale ritmo della conversazione: interiezioni di ascolto attivo (backchannel), interruzioni e correzioni a metà frase.

Chiariamo subito il punto più importante: al momento Live 3 supporta unicamente la lingua inglese. Per l’italiano e le altre lingue non inglesi, la voce viene generata automaticamente da un motore separato, Fish TTS (il modello Drama 3).
In questo articolo analizzeremo cosa è in grado di fare Live 3, i suoi limiti attuali, come gestisce l’uso in altre lingue e quali sono i relativi prezzi. Le informazioni si basano sull’annuncio ufficiale, sulla pagina del prodotto e sulle risposte del supporto tecnico ufficiale.
In sintesi: cosa fa Live 3 e come funziona con le altre lingue?
- Live 3 è un modello vocale “full-duplex” capace di ascoltare mentre sta parlando.
- I suoi tre comportamenti conversazionali chiave sono: inserire brevi interiezioni di riscontro, fermarsi solo di fronte a vere interruzioni e attendere quando l’utente si corregge al volo.
- L’inglese è l’unica lingua supportata. Per le altre lingue, passa automaticamente a Fish TTS.
- Il prezzo è di 0,035 $ al minuto (sconto del 50% rispetto alla tariffa standard di 0,07 $, valido per un periodo limitato fino al 31 dicembre 2026).
- È un’ottima soluzione se vuoi creare agenti telefonici o di supporto per un pubblico anglofono. Se invece ti serve un agente vocale in un’altra lingua, non potrai sfruttare i punti di forza che rendono unico Live 3.
Cos’è Live 3?

Live 3 è un modello vocale full-duplex integrato all’interno di Fish Audio Voice Agents, la piattaforma di agenti vocali sviluppata da Fish Audio.
I classici agenti vocali utilizzano una struttura a pipeline che combina riconoscimento vocale, logica di ragionamento, generazione dell’audio e gestione dei turni di parola (chi parla e quando) come componenti separate. Far funzionare tutti questi elementi insieme in modo naturale richiede un notevole lavoro di ottimizzazione.
Live 3 integra la gestione dei tempi conversazionali direttamente all’interno del modello vocale. Secondo Fish Audio, il modello è stato addestrato su conversazioni reali tra esseri umani e ha imparato in autonomia quando inserire un’interiezione, quando attendere, quando rispondere e quando smettere di parlare.
Ascolta mentre parla e dispone di un livello di ragionamento separato per le istruzioni dell’agente e l’esecuzione degli strumenti. In altre parole, sei sempre tu a decidere cosa dire (istruzioni e tool) tramite il prompt di sistema, mentre Live 3 gestisce il quando e il come dirlo.
I tre comportamenti conversazionali di Live 3
1. Interiezioni di riscontro senza rubare la parola
Immagina un utente che detta un numero di telefono a gruppi di cifre: “333… 555… 0132”. Live 3 inserisce brevi risposte come “Mm-hmm” o “Ricevuto, 333” tra una pausa e l’altra, per poi attendere le cifre rimanenti.
Queste interiezioni svolgono un doppio compito: confermano la ricezione dei dati e lasciano la parola all’utente affinché possa continuare a parlare.
Inoltre, secondo Fish Audio, Live 3 è in grado di decidere come rispondere in appena 186 millisecondi. Reazioni rapide come “Mm-hmm” o “Capito” mantengono viva la conversazione mentre la risposta completa è ancora in fase di elaborazione. Nota: 186 ms rappresenta il caso migliore, non la latenza media di risposta.
2. Si ferma solo di fronte a vere interruzioni
Non tutti i suoni emessi dall’utente sono un’interruzione. Se l’agente sta spiegando gli orari di apertura e l’utente dice “sì” o “ho capito”, Live 3 continua a parlare senza esitare.
Ma se l’utente dice qualcosa come: “Ah, aspetti. In realtà mi serve solo per giovedì”, l’agente tace immediatamente lasciando spazio alla nuova richiesta.
Questa distinzione permette agli utenti di inviare segnali di ascolto senza il timore di interrompere l’agente e senza dover attendere la fine di una lunga spiegazione quando vogliono cambiare discorso.
3. Segue il filo del discorso anche quando ti correggi
“Due pizze… anzi no, tre. Tre grandi. E… in realtà, me ne faccia una Margherita.”
Durante una correzione di questo tipo, Live 3 non registra l’ordine sbagliato prima del tempo, ma attende che l’utente finisca di parlare. Comprende che la persona sta ancora valutando e le lascia il tempo di chiarire la richiesta. Nei contesti di assistenza, prenotazione e ordinazioni, esitazioni e correzioni al volo sono all’ordine del giorno.

I limiti di Live 3
Prima di adottare Live 3, è importante tenere a mente le seguenti limitazioni.
| Elemento | Come lo gestisce Live 3 |
|---|---|
| Lingue supportate | Solo inglese |
| Altre lingue | Passa automaticamente a Fish TTS (modello Drama 3) |
| Regolazione velocità voce | Non supportata |
| Modalità espressiva (Expressive) | Non supportata |
| Dizionario di pronuncia | Non supportato |
| Riconoscimento vocale | Fisso su Fish Transcribe Stream 1 |
Presta attenzione al fatto che alcune impostazioni regolabili con le funzionalità vocali standard di Fish Audio non sono disponibili quando si utilizza Live 3.
Utilizzare Live 3 in lingue diverse dall’inglese
Poiché Live 3 supporta solo l’inglese, gli agenti impostati su altre lingue generano l’audio basandosi su Fish TTS. Secondo il supporto di Fish Audio, per modificare la lingua parlata dall’agente è sufficiente impostare il motore su Fish TTS nelle opzioni.
Quando si passa a Fish TTS:
- L’agente può parlare altre lingue. Fish Audio dichiara il supporto per oltre 2 milioni di voci e più di 30 lingue.
- Le dinamiche full-duplex che rappresentano il vero punto di forza di Live 3 (interiezioni di riscontro, rilevamento delle interruzioni e gestione delle correzioni) sono esclusive di Live 3: è quindi preferibile non aspettarsi la stessa esperienza conversazionale nelle altre lingue.
- Le funzionalità della piattaforma come la base di conoscenza, le integrazioni con gli strumenti, i test e le analisi delle chiamate rimangono completamente disponibili.
Prezzi e tariffe
Di seguito trovi il listino prezzi di Live 3 così come riportato sulla pagina ufficiale del prodotto.
- Costo chiamata: 0,035 $ / minuto (sconto del 50% rispetto ai 0,07 $ di listino, promozione valida fino al 31 dicembre 2026)
- Chiamate telefoniche (in entrata e in uscita tramite numero di telefono): +0,01 $ / minuto
- Numero di telefono: 1,20 $ / mese (nessun costo aggiuntivo se colleghi la tua linea telefonica)
- LLM Premium (se si passa a un modello più grande per ragionamenti complessi): fatturato a parte in base al consumo di token del modello scelto
- Inizi subito con 5 $ di credito senza dover inserire la carta di credito
Ecco una stima orientativa dei costi per il noleggio di un numero di telefono e la gestione di 100 minuti di chiamate al mese (calcolata con la promozione attiva e senza costi LLM extra):
| Voce | Calcolo | Importo |
|---|---|---|
| Tariffa chiamate | 0,035 $ × 100 min | 3,50 $ |
| Traffico telefonico | 0,01 $ × 100 min | 1,00 $ |
| Numero di telefono | Canone mensile | 1,20 $ |
| Totale | 5,70 $ |
A chi è adatto e a chi no
-
Ideale per chi deve creare agenti telefonici, di supporto, di prenotazione o di ordinazione per un pubblico anglofono
-
Ottimo per contesti in cui la naturalezza delle interiezioni e la gestione fluida delle interruzioni incidono direttamente sulla qualità dell'esperienza utente
-
Include 5 $ di credito iniziale per provarlo senza inserire la carta di credito
-
Offre funzionalità complete per l'ambiente di produzione (base di conoscenza, integrazione strumenti, test e analisi delle chiamate)
-
Prevede l'azzeramento della conservazione dei dati (zero data retention) e la possibilità di installazione on-premise per i clienti enterprise
-
Funziona solo in inglese. Le altre lingue utilizzano Fish TTS e non dispongono dei comportamenti conversazionali di Live 3
-
Non supporta la regolazione della velocità, la modalità espressiva e il dizionario di pronuncia
-
Lo sconto del 50% è temporaneo e scade il 31 dicembre 2026
-
Per gli agenti vocali destinati a lingue diverse dall'inglese non è possibile sfruttare i veri punti di forza di Live 3
Come iniziare
- Registrati su Fish Audio
Crea un account sul sito ufficiale. Riceverai subito 5 $ di credito senza bisogno di inserire la carta di credito.
- Crea il tuo agente
Scegli un modello da cui partire, quindi configura il prompt di sistema (personalità, obiettivi, limiti operativo-comportamentali) e il messaggio d’esordio.

- Configura documenti e strumenti
Carica file PDF, Markdown o URL all’interno della base di conoscenza. Se necessario, importa gli endpoint via cURL per consentire all’agente di interrogare le tue API interne.
- Fai una chiamata di prova nel browser
Verifica le reazioni dell’agente con una chiamata di test prima del rilascio. La piattaforma mette a disposizione strumenti di verifica che vanno dal singolo controllo veloce alla simulazione completa di una chiamata.
- Vai online
Noleggia un numero di telefono oppure integra l’agente sul tuo sito web tramite Web SDK o WebRTC per renderlo operativo.
In conclusione
Live 3 è un modello vocale full-duplex capace di gestire in autonomia il ritmo naturale della conversazione (interiezioni, interruzioni e correzioni). Per chiunque stia progettando agenti telefonici rivolti a un pubblico anglofono, si tratta di una novità decisamente interessante da valutare.
Va tuttavia ribadito che attualmente il modello supporta solo l’inglese. Gli agenti vocali in altre lingue sfruttano Fish TTS per la sintesi vocale e non possono beneficiare delle funzioni avanzate di Live 3. Nelle documentazioni ufficiali consultate non sono emerse indicazioni temporali sull’estensione ad altre lingue: si consiglia pertanto di monitorare i prossimi annunci ufficiali di Fish Audio.
