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

nova-2-sonic

Rilasciato 2025-12-02

beta su invito Chiamata di strumenti

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

Input$0.06/M
$0.06 · nova-2-sonic GPT Realtime · $4
Output$0.24/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24

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
  • Streaming bidirezionale su InvokeModelWithBidirectionalStream
  • audio/lpcm, 16 bit, mono, base64, con 16 kHz in input e 24 kHz in output
  • limite di connessione di 8 minuti con un pattern documentato di continuazione della sessione per conversazioni più lunghe
  • inferenza solo in-Region (us-east-1, us-west-2, eu-north-1, ap-northeast-1)
Trascrizione in streaming

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
  • Gestione intelligente dei turni con sensibilità di endpointing configurabile
  • gestione fluida delle interruzioni senza perdita di contesto
  • function calling con gestione asincrona degli strumenti (l'assistente continua a parlare mentre gli strumenti sono in esecuzione)
  • grounding RAG
  • input audio e testo misti in un'unica conversazione
  • limite di connessione di 8 minuti

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

fonte: documentazione ufficiale Amazon ↗

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())

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.

Ottieni la tua chiave API gratuita Confronta il tuo costo →