Amazon Nova 2 Sonic è il foundation model speech-to-speech di Amazon per costruire applicazioni di conversazione vocale naturali e in tempo reale, e la guida utente di Nova lo rivolge ad assistenti vocali interattivi, automazione del servizio clienti e applicazioni conversazionali.
- Input
- audio testo $0.06/M
- Output
- audio testo $0.24/M
- Input audio
- $3/M
- Output audio
- $12/M
Prezzi di listino del provider: senza ricarico della piattaforma, pagamento a consumo. Questi sono i prezzi di listino ufficiali. I clienti autenticati possono vedere i prezzi effettivi, inclusi gli sconti workspace, su /console/pricing.
Prezzo · posizione 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) | 1.000.000 |
|---|---|
| Output massimo (specifica del vendor) | 64.000 |
Audio
| Lingue | Inglese (US, UK, India, Australia), francese, italiano, tedesco, spagnolo, portoghese e hindi, con rilevamento e cambio automatico della lingua nel corso della sessione |
|---|---|
| Limiti audio |
|
| Trascrizione in streaming | Sì |
Tempo reale
| Voci | Voci dal timbro femminile e maschile per ciascun locale (tiffany/matthew en-US, amy en-GB, olivia en-AU, kiara/arjun en-IN e hi-IN, ambre/florian fr-FR, beatrice/lorenzo it-IT, tina/lennart de-DE, lupe/carlos es-US, carolina/leo pt-BR); tiffany e matthew sono voci poliglotte che parlano tutte le lingue supportate. |
|---|---|
| Sessione |
|
Modello
| Modalità | audio + testo → audio + testo |
|---|
- Il foundation model speech-to-speech di Amazon per applicazioni vocali in tempo reale, raggiungibile tramite un'API di streaming bidirezionale anziché request/response. Adatta la resa alla prosodia del parlato in ingresso e cambia lingua all'interno di una singola frase
- documentato come robusto al rumore di fondo e agli accenti nelle lingue supportate
Usa nova-2-sonic 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=nova-2-sonic"
# 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=nova-2-sonic", {
// 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=nova-2-sonic' <<'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=nova-2-sonic", 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=nova-2-sonic"), 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 nova-2-sonic
- Vi si accede tramite un'API di streaming bidirezionale anziché una di richiesta e risposta, ed è ciò che rende possibile la conversazione multi-turno a bassa latenza; la documentazione ufficiale indica una finestra di contesto da 1M di token e 64K token di output massimo, con audio e testo accettati nella stessa conversazione e audio e testo restituiti.
- La copertura vocale spazia dall'inglese nelle varianti statunitense, britannica, indiana e australiana a francese, italiano, tedesco, spagnolo, portoghese e hindi, offerti sia in voci dal suono maschile sia in voci dal suono femminile, con rilevamento e cambio automatico della lingua; le voci poliglotte parlano qualsiasi lingua supportata, così la persona resta costante quando un chiamante cambia lingua a metà sessione.
- Il comportamento conversazionale è il punto di forza: la resa si adatta alla prosodia del parlato in ingresso, il turn-taking intelligente rileva quando un parlante ha finito, le interruzioni sono gestite con eleganza senza perdere il contesto, e la documentazione dichiara robustezza al rumore di fondo e agli accenti nelle lingue supportate.
- Sono supportati function calling e flussi di lavoro agentici, insieme al grounding della conoscenza su dati aziendali tramite retrieval-augmented generation, e la gestione asincrona degli strumenti consente all'assistente di continuare a parlare mentre uno strumento gira in background.
- Un limite da considerare in fase di progettazione: le connessioni sono limitate a otto minuti, con uno schema documentato di rinnovo e continuazione della sessione nel codice di esempio per le conversazioni più lunghe.
- La disponibilità è limitata a un piccolo insieme di region.
- Synthorai lo serve tramite l'endpoint WebSocket /v1/realtime compatibile OpenAI, così i client dell'SDK Realtime ufficiale si connettono senza modifiche.
FAQ
L'API di nova-2-sonic si può provare gratis?
nova-2-sonic 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 nova-2-sonic?
Modello speech-to-speech per la conversazione vocale in tempo reale; le voci poliglotte mantengono una sola persona tra i cambi di lingua; connessioni limitate a otto minuti con uno schema di rinnovo documentato. Il quadro completo è nella sezione «Informazioni», tratto dalle note di rilascio ufficiali del vendor.
Quanto costa nova-2-sonic?
Su Synthorai, nova-2-sonic costa $0.06 per milione di token in input e $0.24 per milione di token in output: il prezzo di listino del provider, senza ricarico della piattaforma.
Come si chiama l'API di nova-2-sonic?
nova-2-sonic è un modello speech-to-speech: collegati via WebSocket a wss://synthorai.io/v1/realtime?model=nova-2-sonic 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 nova-2-sonic?
nova-2-sonic 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="nova-2-sonic".
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.