🎁 Nuevo Regístrate gratis, 10 llamadas de regalo. Hasta 1 $, sin tarjeta.

gemini-3.1-flash-live vs nova-2-sonic

vs

Cuál usar y cuándo — veredicto seleccionado, no una tabla de benchmarks

El audio cuesta lo mismo en ambos, $3 por millón de entrada y $12 de salida, así que la factura se decide en el texto: nova-2-sonic cobra $0.06 y $0.24 por millón frente a $0.75 y $4.5, unas 12x y 19x menos. gemini-3.1-flash-live es el modelo de entradas más amplias — texto, imagen, audio y vídeo, más de 90 idiomas, sesiones de solo audio de 15 minutos — mientras que nova-2-sonic solo toma audio y texto, sobre una conexión de 8 minutos con un patrón de continuación documentado, y funciona en cuatro regiones. Elige nova-2-sonic por coste en sesiones cargadas de texto, gemini-3.1-flash-live por entrada de vídeo y cobertura de idiomas.

Precios

gemini-3.1-flash-live nova-2-sonic Δ
Entrada de audio / 1M tokens $3 $3 =
Salida de audio / 1M tokens $12 $12 =
Entrada de texto / 1M tokens $0.75 $0.06 13×
Salida de texto / 1M tokens $4.5 $0.24 19×
Escritura en caché sin cargo por separado

Tarifas del catálogo en vivo en el momento de la compilación; la página de cada modelo incluye la ficha actualizada.

Dónde se sitúan — precio por 1M de tokens de audio en todos los 6 modelos de voz a voz en tiempo real en esta unidad de facturación (escala logarítmica)

Capacidades

gemini-3.1-flash-live nova-2-sonic
Control de pensamiento siempre activo
Caché de prompt implícito + explícito no soportado
Tiempo de vida de la caché no publicado no aplicable
Prefijo mínimo en caché 4096 tokens no aplicable

Especificaciones

gemini-3.1-flash-live nova-2-sonic
Modalidades de entrada texto imagen audio vídeo texto audio
Modalidades de salida texto audio texto audio
Lanzamiento 2026-03-26 2025-12-02
Voces

Any voice from the Gemini text-to-speech voice set

native-audio output models switch languages naturally during a conversation.

Feminine- and masculine-sounding voices per locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN and hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR)

tiffany and matthew are polyglot voices that speak every supported language.

Capacidades de sesión
  • Function calling is sequential only — the model will not start responding until the tool response is sent
  • search grounding and thinking supported
  • VAD interruption cancels the in-flight generation
  • no caching, structured outputs, code execution or Batch API
  • Intelligent turn-taking with configurable endpointing sensitivity
  • graceful interruption handling without losing context
  • function calling with asynchronous tool handling (the assistant keeps speaking while tools run)
  • RAG grounding
  • mixed audio and text input in one conversation
  • 8-minute connection limit
Ventana de contexto 131K 1M

Las especificaciones se transcriben de la documentación de cada proveedor; si un proveedor no publica una fila, se omite en lugar de inferirse. Fuentes completas: gemini-3.1-flash-live · nova-2-sonic

Cambia entre ellos con una línea

Ambos IDs están en cada pestaña a continuación — el par de líneas resaltadas es la única edición. Mismo endpoint, misma clave, misma estructura de solicitud.

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # descomenta esta línea, comenta la de arriba
# Send ONLY the Authorization header — the beta protocol is retired.
HEADERS = {"Authorization": "Bearer sk-syn-..."}

async def main():
    async with websockets.connect(URL, additional_headers=HEADERS) as ws:
        # 1) configure the speech-to-speech session
        await ws.send(json.dumps({
            "type": "session.update",
            "session": {
                "type": "realtime",
                "output_modalities": ["audio"],
                "audio": {"output": {"voice": "alloy"}},
            },
        }))
        # 2) send input audio (base64 PCM16), then request a spoken reply
        await ws.send(json.dumps({"type": "input_audio_buffer.append", "audio": pcm16_b64}))
        await ws.send(json.dumps({"type": "input_audio_buffer.commit"}))
        await ws.send(json.dumps({"type": "response.create"}))
        # 3) stream the model's audio (and text) back
        async for raw in ws:
            ev = json.loads(raw)
            if ev["type"] == "response.audio.delta":
                play(base64.b64decode(ev["delta"]))   # audio out
            elif ev["type"] == "response.done":
                break

asyncio.run(main())

Obtén una clave de API →

Preguntas frecuentes

¿Cuál es más barato, gemini-3.1-flash-live o nova-2-sonic?

Muestran el mismo entrada de audio / 1m tokens ($3), por lo que el precio no es el factor decisivo en este caso — vea las especificaciones y capacidades a continuación.

¿Puedo hacer pruebas A/B de gemini-3.1-flash-live frente a nova-2-sonic sin dos integraciones?

Sí. Ambos se sirven a través del mismo endpoint compatible con OpenAI con una clave API — el cambio es una modificación de una línea en la cadena del modelo, por lo que puede enrutar una fracción del tráfico a cada uno y comparar las facturas directamente.

¿Admiten gemini-3.1-flash-live y nova-2-sonic caché de prompts?

Los precios de lectura en caché figuran para solo uno de los dos en nuestro feed; donde falta una tarifa, el proveedor no cobra las lecturas en caché por separado.

Comparaciones relacionadas