gemini-3.1-flash-live vs nova-2-sonic

gemini-3.1-flash-live 採邀請制。下方的數字是即時費率,但要先取得工作空間的授權才能呼叫;如果你打算依據這份比較來開發,請先向我們申請開通。

nova-2-sonic 採邀請制。下方的數字是即時費率,但要先取得工作空間的授權才能呼叫;如果你打算依據這份比較來開發,請先向我們申請開通。

vs

什麼情況選哪一個

兩者的音訊價格相同,每百萬輸入 $3、輸出 $12,所以帳單差在文字:nova-2-sonic 每百萬 $0.06 和 $0.24,對比 $0.75 和 $4.5,大約低 12 倍和 19 倍。gemini-3.1-flash-live 是輸入更寬的那個——文字、影像、音訊和視訊,90 多種語言,純音訊工作階段 15 分鐘——而 nova-2-sonic 只收音訊和文字,連線 8 分鐘上限並有一套文件化的續接方式,且只在四個區域提供。文字吃重的工作階段要控成本選 nova-2-sonic,要視訊輸入和語言涵蓋選 gemini-3.1-flash-live。

Benchmark 成績

gemini-3.1-flash-live:供應商沒有公布 benchmark 成績。

nova-2-sonic:公布了 8 項,但每一項都沒有夠多其他模型的成績,無法比較。

gemini-3.1-flash-live nova-2-sonic 其他有成績的模型 其他模型平均 ★ 沒有模型分數更高
AMI near+far field (WER)
N/A
29.7%
Big Bench Audio
N/A
87%
BFCL v3 (single-turn, python only)
N/A
74.5%

供應商公布: Amazon OpenAI

定價

gemini-3.1-flash-live nova-2-sonic Δ
音訊輸入 / 1M tokens $3 $3 =
音訊輸出 / 1M tokens $12 $12 =
文字輸入 / 1M tokens $0.75 $0.06 13×
文字輸出 / 1M tokens $4.5 $0.24 19×
快取寫入 - 不額外計費 -

費率取自網站建置時的即時目錄;各模型頁面都列有最新的價目。

兩者的相對位置:每 1M 音訊 tokens 的價格,涵蓋同一計費單位下全部 7 個即時語音對語音模型(對數尺度)

功能

gemini-3.1-flash-live nova-2-sonic
思考控制 一律開啟 -
提示詞快取 隱式(自動) 不支援
快取存活時間 未公布 不適用
最小快取前綴 4,096 個 token 不適用

規格

gemini-3.1-flash-live nova-2-sonic
輸入模態 文字 圖像 音訊 影片 文字 音訊
輸出模態 文字 音訊 文字 音訊
發布日期 2026-03-26 2025-12-02
聲音 可使用 Gemini 文字轉語音音色集中的任何音色;原生音訊輸出模型能在對話中自然切換語言。 每個 locale 都提供偏女聲與偏男聲的音色(tiffany/matthew 對應 en-US,amy 對應 en-GB,olivia 對應 en-AU,kiara/arjun 對應 en-IN 與 hi-IN,ambre/florian 對應 fr-FR,beatrice/lorenzo 對應 it-IT,tina/lennart 對應 de-DE,lupe/carlos 對應 es-US,carolina/leo 對應 pt-BR);tiffany 與 matthew 是能說所有支援語言的多語言音色。
工作階段功能
  • 函式呼叫僅支援循序執行,模型要等到工具回應送出後才會開始回答
  • 支援搜尋事實依據與思考
  • VAD 打斷會取消進行中的生成
  • 不支援快取、結構化輸出、程式碼執行或 Batch API
  • 智慧的輪次切換,端點偵測靈敏度可設定
  • 優雅的打斷處理,不會遺失上下文
  • 函式呼叫搭配非同步工具處理(工具執行期間助理會繼續說話)
  • RAG 事實依據
  • 同一段對話中混合音訊與文字輸入
  • 連線上限 8 分鐘
上下文視窗 131,072 1,000,000

規格摘錄自各供應商的文件;供應商沒有公布的項目就直接略過,不自行推測。 完整來源: gemini-3.1-flash-live · nova-2-sonic

改一行程式碼就能在兩者之間切換

下面每個頁籤都列了這兩個模型 ID,要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。

import asyncio, base64, json, websockets

URL = "wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live"
# URL = "wss://synthorai.io/v1/realtime?model=nova-2-sonic"  # 取消這一行的註解,並把上一行註解掉
# 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())

取得 API 金鑰 →

常見問題

gemini-3.1-flash-live 和 nova-2-sonic 哪個比較便宜?

兩者的「音訊輸入 / 1M tokens」同為 $3。其他費率與實際用量仍可能影響總費用。

可以只串接一次,就對 gemini-3.1-flash-live 和 nova-2-sonic 做 A/B 測試嗎?

可以。兩個模型都走同一個 OpenAI 相容端點,用的也是同一把 API 金鑰,切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊,再直接比較帳單。

gemini-3.1-flash-live 與 nova-2-sonic 支援提示詞快取嗎?

我們的資料來源只列出其中一個模型的快取讀取價格;沒有列出費率的那一個,代表它的供應商沒有為快取讀取另訂價格。

相關比較