Gemini 3.1 Flash Live è il modello audio-to-audio a bassa latenza di Google per il dialogo in tempo reale e le applicazioni voice-first, e la sua pagina del modello gli attribuisce rilevamento delle sfumature acustiche, precisione numerica e consapevolezza multimodale.
- Input
- testo immagine audio video $0.75/M
- Output
- testo audio $4.5/M
- Input audio
- $3/M
- Output audio
- $12/M
Il prezzo nel contesto
Posizione del prezzo tra 6 modelli comparabili
La barra mostra dove si colloca il prezzo di questo modello tra tutti i modelli dello stesso tipo su Synthorai. Alle due estremità sono indicati il più economico e il più caro. Sono tariffe base; gli sconti per batch, regione e scrittura in cache sono nella pagina dei prezzi.
Specifiche e limiti
Token
| Finestra di contesto (specifica del fornitore) | 131.072 |
|---|---|
| Output massimo (specifica del vendor) | 65.536 |
Ragionamento
| Parametro del fornitore | thinkingLevel |
|---|---|
| Valori accettati | minimal · low · medium · high |
| Valore predefinito | minimal applicato se la richiesta non specifica nulla |
| Disattivabile | No |
| Comportamento del ragionamento | Il valore predefinito è minimal per ottimizzare la latenza più bassa; i modelli Gemini 3 Live hanno sostituito il thinkingBudget dei 2.5 Live con un livello. |
| Parametro | reasoning_effort |
| Valori | minimal · low · medium · high la superficie parametri del gateway - vale la mappatura del fornitore sopra |
Audio
| Lingue | Più di 90 lingue per la conversazione multimodale in tempo reale |
|---|---|
| Limiti audio |
|
| Trascrizione in streaming | Sì |
Tempo reale
| Voci | Qualsiasi voce del set di voci text-to-speech di Gemini; i modelli con output ad audio nativo cambiano lingua in modo naturale nel corso di una conversazione. |
|---|---|
| Sessione |
|
Modello
| Modalità | testo + immagine + audio + video → testo + audio |
|---|
Modello audio-to-audio a bassa latenza per agent voice-first, documentato per il rilevamento delle sfumature acustiche, la precisione numerica e la consapevolezza multimodale. Usa thinkingLevel (minimal / low / medium / high) al posto di thinkingBudget, con valore predefinito minimal per la latenza più bassa.
Usa gemini-3.1-flash-live in 30 secondi
Compatibile con OpenAI Realtime: collegati via WebSocket, audio in ingresso e in uscita. WS /v1/realtime
import asyncio, base64, json, websockets
URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"
# 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())import WebSocket from "ws";
const ws = new WebSocket("wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live", {
// Send ONLY the Authorization header — the beta protocol is retired.
headers: { Authorization: "Bearer sk-syn-..." },
});
ws.on("open", () => {
// configure the speech-to-speech session
ws.send(JSON.stringify({ type: "session.update", session: {
type: "realtime", output_modalities: ["audio"], audio: { output: { voice: "alloy" } },
} }));
// send input audio (base64 PCM16), then request a spoken reply
ws.send(JSON.stringify({ type: "input_audio_buffer.append", audio: pcm16Base64 }));
ws.send(JSON.stringify({ type: "input_audio_buffer.commit" }));
ws.send(JSON.stringify({ type: "response.create" }));
});
ws.on("message", (raw) => {
const ev = JSON.parse(raw.toString());
if (ev.type === "response.audio.delta") playAudio(Buffer.from(ev.delta, "base64")); // audio out
else if (ev.type === "response.done") ws.close();
});# Realtime is a WebSocket protocol - use a WS client such as websocat.
# Each line below is one OpenAI Realtime event (JSON) sent to the session.
websocat -H 'Authorization: Bearer sk-syn-...' \
'wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live' <<'EOF'
{"type":"session.update","session":{"type":"realtime","output_modalities":["audio"],"audio":{"output":{"voice":"alloy"}}}}
{"type":"input_audio_buffer.append","audio":"<base64-pcm16>"}
{"type":"input_audio_buffer.commit"}
{"type":"response.create"}
EOF
# Responses stream back as response.audio.delta (base64 audio out) … response.donepackage main
import (
"net/http"
"github.com/gorilla/websocket"
)
func main() {
h := http.Header{}
h.Set("Authorization", "Bearer sk-syn-...")
// Send ONLY the Authorization header — the beta protocol is retired.
c, _, err := websocket.DefaultDialer.Dial("wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live", h)
if err != nil {
panic(err)
}
defer c.Close()
// configure the speech-to-speech session, send audio, request a spoken reply
c.WriteJSON(map[string]any{"type": "session.update", "session": map[string]any{
"type": "realtime", "output_modalities": []string{"audio"},
"audio": map[string]any{"output": map[string]any{"voice": "alloy"}}}})
c.WriteJSON(map[string]any{"type": "input_audio_buffer.append", "audio": pcm16B64})
c.WriteJSON(map[string]any{"type": "input_audio_buffer.commit"})
c.WriteJSON(map[string]any{"type": "response.create"})
for {
var ev struct {
Type string `json:"type"`
Delta string `json:"delta"`
}
if err := c.ReadJSON(&ev); err != nil {
return
}
if ev.Type == "response.audio.delta" {
playAudio(ev.Delta) // base64 audio out
} else if ev.Type == "response.done" {
return
}
}
}import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.WebSocket;
import java.util.concurrent.CompletionStage;
// JDK built-in WebSocket — no extra dependency needed.
WebSocket ws = HttpClient.newHttpClient().newWebSocketBuilder()
.header("Authorization", "Bearer sk-syn-...")
// Send ONLY the Authorization header — the beta protocol is retired.
.buildAsync(URI.create("wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"), new WebSocket.Listener() {
public CompletionStage<?> onText(WebSocket w, CharSequence data, boolean last) {
// handle response.audio.delta (base64 audio out) / response.done here
w.request(1);
return null;
}
}).join();
// configure the session, send input audio, then request a spoken reply
ws.sendText("{\"type\":\"session.update\",\"session\":{\"type\":\"realtime\",\"output_modalities\":[\"audio\"],\"audio\":{\"output\":{\"voice\":\"alloy\"}}}}", true);
ws.sendText("{\"type\":\"input_audio_buffer.append\",\"audio\":\"<base64-pcm16>\"}", true);
ws.sendText("{\"type\":\"input_audio_buffer.commit\"}", true);
ws.sendText("{\"type\":\"response.create\"}", true);Informazioni su gemini-3.1-flash-live
- Accetta testo, immagini, audio e video e restituisce testo e audio sul WebSocket con stato della Live API, con un limite di 131.072 token in input e di 65.536 token in output, otto volte il tetto di output del modello native-audio 2.5 che sostituisce.
- Function calling, search grounding e thinking sono supportati, mentre caching, output strutturati, esecuzione di codice e la Batch API no, e la profondità del thinking si imposta con thinkingLevel a minimal, low, medium o high, con predefinito minimal per la latenza più bassa invece del thinkingBudget numerico usato dalla generazione 2.5.
- Le note di migrazione sono la parte utile, perché questo upgrade toglie oltre ad aggiungere.
- Il function calling asincrono non è ancora supportato, quindi le chiamate sono sequenziali e il modello non inizia a rispondere finché non arriva la risposta dello strumento; l'audio proattivo e il dialogo affettivo non ci sono più e la loro configurazione va rimossa.
- Un singolo evento del server può ora trasportare più parti di contenuto insieme, per esempio un chunk audio e una trascrizione, quindi i client che leggono solo la prima parte perderanno silenziosamente contenuto.
- La copertura del turno ora include di default l'attività audio rilevata e tutti i fotogrammi video, il che può alzare i costi per le applicazioni che trasmettono video in continuo, e il contenuto del client può soltanto inizializzare la cronologia iniziale.
- Synthorai lo serve tramite l'endpoint WebSocket /v1/realtime compatibile OpenAI.
FAQ
L'API di gemini-3.1-flash-live si può provare gratis?
gemini-3.1-flash-live è attualmente in beta su invito: l'accesso avviene su candidatura, non con registrazione aperta. Invia la richiesta dalla console Synthorai; una volta approvata si applicano le normali tariffe con pagamento a consumo, senza abbonamento.
In cosa eccelle gemini-3.1-flash-live?
Modello audio-to-audio per dialogo in tempo reale e applicazioni voice-first; otto volte il tetto di output del modello native-audio 2.5; niente function calling asincrono, quindi le chiamate agli strumenti sono sequenziali. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.
Quanto costa gemini-3.1-flash-live?
Su Synthorai, gemini-3.1-flash-live costa $0.75 per milione di token in input e $4.5 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma.
Come si chiama l'API di gemini-3.1-flash-live?
gemini-3.1-flash-live è un modello speech-to-speech: collegati via WebSocket a wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live con l'SDK OpenAI Realtime (o un WebSocket grezzo) e trasmetti audio in ingresso e in uscita. Non è un caricamento di file POST /v1/audio/transcriptions. Autenticati con la tua chiave sk-syn e invia solo l'header Authorization (il protocollo beta è dismesso).
Come ottengo l'accesso a gemini-3.1-flash-live?
gemini-3.1-flash-live è in beta su invito: richiedi l'accesso dalla console Synthorai. Una volta approvato funziona come ogni altro modello: punta il tuo SDK OpenAI a base_url="https://synthorai.io/v1" e imposta model="gemini-3.1-flash-live".
Modelli correlati
Confronta
Ogni valore di questa pagina è trascritto dalla documentazione del fornitore, collegata sopra, e riporta la data in cui è stato verificato. I prezzi sono confrontati sull'intero catalogo; i valori di specifica che i fornitori definiscono in modo diverso sono mostrati indicando la differenza anziché messi a grafico. Nulla qui è misurato da noi e nulla è valutato con un punteggio.