feat: abilita di default la pipeline multimodale diretta Gemini per l'audio indipendentemente dal modello attivo in sessione

README.md

@@ -127,6 +127,8 @@ della richiesta utente, seguendo le best practice di context engineering:
 | `contextTokens` | `1500` | Token cap per il contesto iniettato |
 | `webSearch` | `auto` | Ricerca web Strada A: `auto` \| `on` \| `off` |
 | `vocalPlanningMode` | `true` | Piano + conferma in overlay dopo il vocale |
+| `sttDirectGemini` | `true` | Interpretazione multimodale diretta Gemini (anche con DeepSeek/Claude) |
+| `voiceModel` | `gemini-3.7-flash-medium` | Modello Gemini per l'audio |
 
 Le variabili d'ambiente (`GEMINI_API_KEY`, `AGY_STT_BACKEND`, ecc.) hanno
 priorità sul file di config quando impostate.

extensions/index.ts

@@ -66,6 +66,8 @@ interface AgyConfig {
 	contextTokens?: number; // token cap per il contesto iniettato
 	webSearch?: string; // auto|on|off — Strada A: pi cerca + inietta
 	vocalPlanningMode?: boolean; // Opzione 4: piano + conferma prima di eseguire
+	sttDirectGemini?: boolean; // Forza l'uso di Gemini multimodale per l'audio anche con modelli non-Gemini (es. DeepSeek)
+	voiceModel?: string; // Modello per l'elaborazione vocale diretta (default: gemini-3.7-flash-medium)
 }
 
 const CONFIG_DEFAULTS: AgyConfig = {
@@ -81,6 +83,8 @@ const CONFIG_DEFAULTS: AgyConfig = {
 	contextTokens: 1500,
 	webSearch: "auto",
 	vocalPlanningMode: true,
+	sttDirectGemini: true,
+	voiceModel: "gemini-3.7-flash-medium",
 };
 
 function loadConfig(): AgyConfig {
@@ -111,7 +115,7 @@ function getConfig(key: keyof AgyConfig): string | undefined {
 function setConfig(key: keyof AgyConfig, value: string) {
 	const cfg = loadConfig();
 	const numKeys: (keyof AgyConfig)[] = ["sttMaxDuration", "agyTimeoutMs", "contextTokens"];
-	const boolKeys: (keyof AgyConfig)[] = ["ttsNotify", "contextInject", "vocalPlanningMode"];
+	const boolKeys: (keyof AgyConfig)[] = ["ttsNotify", "contextInject", "vocalPlanningMode", "sttDirectGemini"];
 	if (numKeys.includes(key)) {
 		(cfg as any)[key] = Number(value);
 	} else if (boolKeys.includes(key)) {
@@ -3125,20 +3129,27 @@ export default function agyExtension(pi: ExtensionAPI) {
 		let searchHints: string[] = [];
 
 		const activeModel = ctx.model;
-		const useDirectMultimodal = isGeminiModel(activeModel);
+		const directGeminiConfig = getConfig("sttDirectGemini");
+		// Usa la pipeline multimodale diretta con Gemini se abilitata (default: true) o se il modello di chat è Gemini
+		const useDirectMultimodal =
+			directGeminiConfig !== "false" ? true : isGeminiModel(activeModel);
 
 		if (useDirectMultimodal) {
 			// =========================================================================
 			// Pipeline Multimodale Diretta (Gemini): l'audio viene inviato direttamente
-			// al modello senza passare per un riconoscitore vocale STT separato.
+			// a Gemini (gateway Antigravity / Gemini API) senza passare per un STT separato,
+			// anche se il modello attivo in sessione è DeepSeek, Claude o un modello locale.
 			// =========================================================================
 			ctx.ui.notify("Interpretazione vocale diretta con Gemini...", "info");
 			try {
+				const voiceModelName =
+					getConfig("voiceModel") ||
+					(isGeminiModel(activeModel) ? activeModel?.id : "gemini-3.7-flash-medium");
 				const directRes = await interpretAudioDirectGemini(
 					optimized,
 					editorText,
 					context,
-					activeModel?.id,
+					voiceModelName,
 				);
 				transcript = directRes.transcript || directRes.cleanPrompt;
 				finalText = directRes.cleanPrompt;
@@ -3360,6 +3371,8 @@ export default function agyExtension(pi: ExtensionAPI) {
 		{ key: "contextTokens", desc: "Token cap per il contesto iniettato (default 1500)" },
 		{ key: "webSearch", desc: "Ricerca web Strada A: auto | on | off" },
 		{ key: "vocalPlanningMode", desc: "Opzione 4: piano+conferma dopo il vocale (true|false)" },
+		{ key: "sttDirectGemini", desc: "Interpretazione vocale diretta Gemini (true|false, default true)" },
+		{ key: "voiceModel", desc: "Modello Gemini per l'audio (default gemini-3.7-flash-medium)" },
 	];
 
 	pi.registerCommand("agy:config", {