O Gemini 3.1 Flash Live é o modelo de áudio para áudio de baixa latência do Google para diálogo em tempo real e aplicações voice-first, e sua página de modelo o credita com detecção de nuances acústicas, precisão numérica e consciência multimodal.
- Entrada
- texto imagem áudio vídeo $0.75/M
- Saída
- texto áudio $4.5/M
- Entrada de áudio
- $3/M
- Saída de áudio
- $12/M
O preço em contexto
Posição do preço entre 6 modelos comparáveis
A barra mostra onde fica o preço deste modelo entre todos os modelos do mesmo tipo na Synthorai. Em cada extremidade está o mais barato e o mais caro. São tarifas base; os descontos de lote, região e escrita em cache estão na página de preços.
Especificações e limites
Tokens
| Janela de contexto (especificação do fornecedor) | 131.072 |
|---|---|
| Saída máxima (especificação do fornecedor) | 65.536 |
Raciocínio
| Parâmetro do fornecedor | thinkingLevel |
|---|---|
| Valores aceites | minimal · low · medium · high |
| Valor predefinido | minimal aplicado quando o pedido nada indica |
| Pode ser desativado | Não |
| Comportamento do raciocínio | O padrão é minimal para otimizar a menor latência; os modelos Gemini 3 Live substituíram o thinkingBudget do 2.5 Live por um nível. |
| Parâmetro | reasoning_effort |
| Valores | minimal · low · medium · high a superfície de parâmetros do gateway - aplica-se o mapeamento do fornecedor acima |
Áudio
| Idiomas | Mais de 90 idiomas para conversação multimodal em tempo real |
|---|---|
| Limites de áudio |
|
| Transcrição em streaming | Sim |
Tempo real
| Vozes | Qualquer voz do conjunto de vozes de text-to-speech do Gemini; os modelos de saída de áudio nativo trocam de idioma naturalmente durante uma conversa. |
|---|---|
| Sessão |
|
Modelo
| Modalidades | texto + imagem + áudio + vídeo → texto + áudio |
|---|
Modelo de áudio para áudio de baixa latência para agentes de voz, documentado para detecção de nuances acústicas, precisão numérica e percepção multimodal. Usa thinkingLevel (minimal / low / medium / high) em vez de thinkingBudget, com padrão minimal para a menor latência.
conforme documentação oficial da Google ↗
Use o gemini-3.1-flash-live em 30 segundos
Compatível com OpenAI Realtime: conecte-se por WebSocket, áudio de entrada e de saída. 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);Sobre o gemini-3.1-flash-live
- Ele aceita texto, imagens, áudio e vídeo e retorna texto e áudio pelo WebSocket com estado da Live API, com limite de entrada de 131.072 tokens e limite de saída de 65.536 tokens, oito vezes o teto de saída do modelo de áudio nativo 2.5 que ele substitui.
- Function calling, grounding por busca e raciocínio (thinking) são suportados, enquanto cache, saídas estruturadas, execução de código e a Batch API não são, e a profundidade do raciocínio é definida com thinkingLevel em minimal, low, medium ou high, assumindo minimal por padrão para a menor latência em vez do thinkingBudget numérico que a geração 2.5 usava.
- As notas de migração são a parte útil, porque esta atualização remove tanto quanto adiciona.
- A chamada assíncrona de funções ainda não é suportada, então as chamadas são sequenciais e o modelo não começará a responder até que a resposta da ferramenta chegue; o áudio proativo e o diálogo afetivo desapareceram e sua configuração precisa ser removida.
- Um único evento de servidor agora pode carregar várias partes de conteúdo de uma vez, como um trecho de áudio e uma transcrição juntos, então clientes que leem apenas a primeira parte descartarão conteúdo silenciosamente.
- A cobertura de turno agora inclui por padrão a atividade de áudio detectada e todos os frames de vídeo, o que pode elevar os custos para aplicações que transmitem vídeo continuamente, e o conteúdo do cliente pode apenas semear o histórico inicial.
- A Synthorai o serve pelo endpoint WebSocket /v1/realtime compatível com OpenAI.
Perguntas frequentes
A API do gemini-3.1-flash-live é gratuita para testar?
O gemini-3.1-flash-live está atualmente em beta por convite: o acesso é por solicitação, não por cadastro aberto. Solicite pelo console da Synthorai; após a aprovação, aplica-se o preço padrão de pagamento por uso, sem assinatura.
Em que o gemini-3.1-flash-live é melhor?
Modelo de áudio para áudio para diálogo em tempo real e aplicações voice-first; oito vezes o teto de saída do modelo de áudio nativo 2.5; sem chamada assíncrona de funções, então as chamadas de ferramentas são sequenciais. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o gemini-3.1-flash-live?
Na Synthorai, o gemini-3.1-flash-live custa $0.75 por milhão de tokens de entrada e $4.5 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma.
Como chamar a API do gemini-3.1-flash-live?
gemini-3.1-flash-live é um modelo speech-to-speech: conecte-se por WebSocket a wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live com o SDK OpenAI Realtime (ou um WebSocket puro) e transmita áudio de entrada e de saída. Não é um upload de arquivo POST /v1/audio/transcriptions. Autentique-se com a sua chave sk-syn e envie apenas o cabeçalho Authorization (o protocolo beta foi descontinuado).
Como obtenho acesso ao gemini-3.1-flash-live?
O gemini-3.1-flash-live está em beta por convite: solicite acesso pelo console da Synthorai. Após a aprovação, ele funciona como qualquer outro modelo: aponte seu SDK da OpenAI para base_url="https://synthorai.io/v1" e defina model="gemini-3.1-flash-live".
Modelos relacionados
Comparar
Cada valor desta página é transcrito da documentação do fornecedor, ligada acima, e traz a data em que foi verificado. Os preços são comparados em todo o catálogo; os valores de especificação que os fornecedores definem de forma diferente são apresentados com a diferença indicada em vez de representados num gráfico. Nada aqui é medido por nós, e nada é pontuado.