🎁 Nouveau Inscription gratuite, 10 appels offerts. Jusqu'à 1 $, sans carte.

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

vs

Lequel, quand — verdict de synthèse, pas un tableau de benchmarks

L'audio coûte pareil des deux côtés, $3 par million en entrée et $12 en sortie, donc la facture se joue sur le texte : nova-2-sonic facture $0.06 et $0.24 par million contre $0.75 et $4.5, soit environ 12x et 19x moins. gemini-3.1-flash-live est le modèle aux entrées les plus larges — texte, image, audio et vidéo, plus de 90 langues, sessions audio seules de 15 minutes — tandis que nova-2-sonic ne prend qu'audio et texte, sur une connexion de 8 minutes avec un motif de continuation documenté, et fonctionne dans quatre régions. Prenez nova-2-sonic pour le coût sur des sessions chargées en texte, gemini-3.1-flash-live pour l'entrée vidéo et la couverture linguistique.

Tarification

gemini-3.1-flash-live nova-2-sonic Δ
Entrée audio / 1M tokens $3 $3 =
Sortie audio / 1M tokens $12 $12 =
Entrée texte / 1M tokens $0.75 $0.06 13×
Sortie texte / 1M tokens $4.5 $0.24 19×
Écriture cache aucun frais supplémentaire

Tarifs issus du catalogue en direct au moment de la compilation ; chaque page de modèle présente la fiche actuelle.

Où ils se situent — prix pour 1M de tokens audio sur l'ensemble des 6 modèles speech-to-speech en temps réel pour cette unité de facturation (échelle logarithmique)

Capacités

gemini-3.1-flash-live nova-2-sonic
Contrôle de la réflexion toujours activé
Mise en cache du prompt implicite + explicite non pris en charge
Durée de vie du cache non publié non applicable
Préfixe minimum mis en cache 4096 jetons non applicable

Spécifications

gemini-3.1-flash-live nova-2-sonic
Modalités d'entrée texte image audio vidéo texte audio
Modalités de sortie texte audio texte audio
Sortie 2026-03-26 2025-12-02
Voix

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.

Capacités de session
  • 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
Fenêtre de contexte 131K 1M

Les spécifications sont transcrites à partir de la documentation de chaque fournisseur ; une ligne qu'un fournisseur ne publie pas est omise plutôt que déduite. Sources complètes : gemini-3.1-flash-live · nova-2-sonic

Basculez de l'un à l'autre avec une seule ligne

Les deux ids sont dans chaque onglet ci-dessous — la paire de lignes en surbrillance est la seule modification. Même endpoint, même clé, même structure de requête.

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"  # décommentez cette ligne, commentez celle du dessus
# 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())

Obtenir une clé API →

FAQ

Lequel est le moins cher, gemini-3.1-flash-live ou nova-2-sonic ?

Ils affichent la même valeur pour entrée audio / 1m tokens ($3), donc le prix ne permet pas de trancher ici — consultez les spécifications et les capacités ci-dessous.

Puis-je faire un test A/B de gemini-3.1-flash-live par rapport à nova-2-sonic sans deux intégrations ?

Oui. Les deux sont servis via le même endpoint compatible OpenAI avec une seule clé API — le basculement est un changement de chaîne de modèle en une ligne, vous pouvez donc diriger une fraction du trafic vers chacun et comparer les factures directement.

Est-ce que gemini-3.1-flash-live et nova-2-sonic prennent en charge le prompt caching ?

La tarification de la lecture en cache n'est indiquée que pour l'un des deux dans notre flux ; lorsqu'un tarif est manquant, le fournisseur ne tarifie pas les lectures en cache séparément.

Comparaisons associées