O Amazon Nova 2 Sonic é o modelo fundacional de voz para voz (speech-to-speech) da Amazon para construir aplicações de conversa por voz naturais e em tempo real, e o guia do usuário do Nova o direciona a assistentes de voz interativos, automação de atendimento ao cliente e aplicações conversacionais.
- Entrada
- áudio texto $0.06/M
- Saída
- áudio texto $0.24/M
- Entrada de áudio
- $3/M
- Saída de áudio
- $12/M
Preços de tabela do provedor: sem margem da plataforma, pagamento por uso. Estes são os preços de tabela oficiais. Clientes autenticados podem ver os preços efetivos com descontos do espaço de trabalho em /console/pricing.
Preço · posição 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) | 1.000.000 |
|---|---|
| Saída máxima (especificação do fornecedor) | 64.000 |
Áudio
| Idiomas | Inglês (EUA, Reino Unido, Índia, Austrália), francês, italiano, alemão, espanhol, português e híndi, com detecção e troca automática de idioma no meio da sessão |
|---|---|
| Limites de áudio |
|
| Transcrição em streaming | Sim |
Tempo real
| Vozes | Vozes de sonoridade feminina e masculina por 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 são vozes poliglotas que falam todos os idiomas suportados. |
|---|---|
| Sessão |
|
Modelo
| Modalidades | áudio + texto → áudio + texto |
|---|
- Modelo fundacional de fala-para-fala da Amazon para aplicações de voz em tempo real, acessado por uma API de streaming bidirecional em vez de uma API de requisição/resposta. Adapta a entrega à prosódia da fala recebida e alterna de idioma dentro de uma mesma frase
- documentado como robusto a ruído de fundo e a sotaques nos idiomas suportados
conforme documentação oficial da Amazon ↗
Use o nova-2-sonic 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=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);Sobre o nova-2-sonic
- Ele é alcançado por uma API de streaming bidirecional em vez de uma de requisição e resposta, o que é o que torna possível a conversa de múltiplos turnos com baixa latência; a documentação oficial lista uma janela de contexto de 1M tokens e 64K tokens de saída máxima, com áudio e texto aceitos na mesma conversa e áudio e texto retornados.
- A cobertura de vozes abrange inglês nas variedades americana, britânica, indiana e australiana, além de francês, italiano, alemão, espanhol, português e hindi, oferecidos em vozes de sonoridade masculina e feminina, com detecção e troca automáticas de idioma; vozes poliglotas falam qualquer idioma suportado, de modo que a persona permanece constante quando quem liga muda de idioma no meio da sessão.
- O comportamento conversacional é o argumento de venda: a entrega se adapta à prosódia da fala recebida, a alternância inteligente de turnos detecta quando alguém terminou de falar, as interrupções são tratadas com naturalidade sem perder o contexto, e a documentação afirma robustez a ruído de fundo e a sotaques nos idiomas suportados.
- Function calling e fluxos de trabalho agênticos são suportados, junto com o grounding de conhecimento em dados empresariais por geração aumentada por recuperação, e o tratamento assíncrono de ferramentas deixa o assistente continuar falando enquanto uma ferramenta roda em segundo plano.
- Um limite a considerar no design: as conexões são limitadas a oito minutos, com um padrão documentado de renovação e continuação de sessão no código de exemplo para conversas mais longas.
- A disponibilidade é limitada a um pequeno conjunto de regiões.
- A Synthorai o serve pelo endpoint WebSocket /v1/realtime compatível com OpenAI, então clientes do SDK oficial de Realtime conectam sem alterações.
Perguntas frequentes
A API do nova-2-sonic é gratuita para testar?
O nova-2-sonic 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 nova-2-sonic é melhor?
Modelo de voz para voz para conversa por voz em tempo real; vozes poliglotas mantêm uma persona nas trocas de idioma; conexões limitadas a oito minutos com padrão de renovação documentado. Veja a seção Sobre para o quadro completo, extraído das notas de lançamento do próprio fornecedor.
Quanto custa o nova-2-sonic?
Na Synthorai, o nova-2-sonic custa $0.06 por milhão de tokens de entrada e $0.24 por milhão de tokens de saída. É o preço de tabela do provedor, sem margem da plataforma.
Como chamar a API do nova-2-sonic?
nova-2-sonic é um modelo speech-to-speech: conecte-se por WebSocket a wss://synthorai.io/v1/realtime?model=nova-2-sonic 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 nova-2-sonic?
O nova-2-sonic 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="nova-2-sonic".
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.