🎁 Novità Registrati gratis, 10 chiamate le offriamo noi. Fino a $1, senza carta.

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

vs

Quale scegliere e quando — verdetto curato, non una tabella di benchmark

L'audio costa uguale su entrambi, $3 per milione in ingresso e $12 in uscita, quindi il conto si decide sul testo: nova-2-sonic costa $0.06 e $0.24 per milione contro $0.75 e $4.5, circa 12x e 19x in meno. gemini-3.1-flash-live è il modello dagli input più ampi — testo, immagine, audio e video, più di 90 lingue, sessioni solo audio da 15 minuti — mentre nova-2-sonic prende solo audio e testo, su una connessione da 8 minuti con uno schema di continuazione documentato, e gira in quattro regioni. Scegli nova-2-sonic per il costo su sessioni cariche di testo, gemini-3.1-flash-live per l'input video e la copertura linguistica.

Prezzi

gemini-3.1-flash-live nova-2-sonic Δ
Input audio / 1M token $3 $3 =
Output audio / 1M token $12 $12 =
Input di testo / 1M token $0.75 $0.06 13×
Output di testo / 1M token $4.5 $0.24 19×
Scrittura in cache nessun addebito separato

Le tariffe provengono dal catalogo live al momento della build; la pagina di ciascun modello riporta la scheda attuale.

Dove si posizionano — prezzo per 1M di token audio rispetto a tutti gli 6 modelli speech-to-speech in tempo reale con questa unità di fatturazione (scala logaritmica)

Capacità

gemini-3.1-flash-live nova-2-sonic
Controllo del ragionamento sempre attivo
Prompt caching implicito + esplicito non supportato
Durata della cache non pubblicato non applicabile
Prefisso minimo in cache 4096 token non applicabile

Specifiche

gemini-3.1-flash-live nova-2-sonic
Modalità di input testo immagine audio video testo audio
Modalità di output testo audio testo audio
Rilascio 2026-03-26 2025-12-02
Voci

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.

Funzionalità di sessione
  • 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
Finestra di contesto 131K 1M

Le specifiche sono trascritte dalla documentazione di ciascun fornitore; una riga che un fornitore non pubblica viene omessa anziché essere dedotta. Fonti complete: gemini-3.1-flash-live · nova-2-sonic

Passa dall'uno all'altro con una sola riga

Entrambi gli id sono presenti in ogni scheda qui sotto — la coppia di righe evidenziata è l'unica modifica. Stesso endpoint, stessa chiave, stessa struttura della richiesta.

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"  # decommenta questa riga, commenta quella sopra
# 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())

Ottieni una chiave API →

FAQ

Qual è più economico, gemini-3.1-flash-live o nova-2-sonic?

Riportano lo stesso valore per input audio / 1m token ($3), quindi il prezzo non è decisivo in questo caso — vedi le specifiche e le funzionalità di seguito.

Posso fare un A/B test di gemini-3.1-flash-live contro nova-2-sonic senza due integrazioni?

Sì. Entrambi sono serviti tramite lo stesso endpoint compatibile con OpenAI con una singola chiave API — il passaggio richiede la modifica della stringa del modello in una sola riga, quindi puoi instradare una frazione del traffico verso ciascuno e confrontare direttamente le fatture.

gemini-3.1-flash-live e nova-2-sonic supportano il prompt caching?

I prezzi per la lettura in cache sono elencati nel nostro feed solo per uno dei due; dove manca una tariffa, il provider non prezza separatamente le letture in cache.

Confronti correlati