新人 免费注册,送 10 次调用,最高 $1,免绑卡。

gemini-3.1-flash-live

发布于 2026-03-26

邀请测试 工具调用推理图像理解

Gemini 3.1 Flash Live 是 Google 面向实时对话和语音优先应用的低延迟音频对音频模型,其模型页称它具备声学细节感知、数值精度和多模态感知。

输入
文本 图像 音频 视频 $0.75/M
输出
文本 音频 $4.5/M
音频输入
$3/M
音频输出
$12/M

价格在同类中的位置

价格在 6 个同类模型中的位置

输入$0.75/M
$0.06 · nova-2-sonic GPT Realtime · $4
输出$4.5/M
$0.24 · nova-2-sonic GPT Realtime 2.1 · $24

这条线显示该模型的价格,在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价,批量、区域和缓存写入的折扣见价格页。

规格与限制

Token

上下文窗口(厂商规格) 131,072
最大输出(厂商规格) 65,536

思考

厂商参数 thinkingLevel
可选值 minimal · low · medium · high
默认值 minimal 请求未指定时生效
可关闭 不支持
思考行为 默认为 minimal 以优化到最低延迟;Gemini 3 Live 系列用等级取代了 2.5 Live 的 thinkingBudget
参数 reasoning_effort
取值 minimal · low · medium · high 网关侧参数面——以上方厂商映射为准

音频

语言 支持 90 多种语言的实时多模态对话
音频限制
  • Live API 会话:原始小端 16-bit PCM,输入 16 kHz、输出 24 kHz
  • 纯音频会话上限 15 分钟(带视频时为 2 分钟),除非通过会话管理延长
  • 128k token 会话上下文
流式转写 支持

实时语音

语音 可使用 Gemini 文本转语音音色集合中的任意音色;原生音频输出模型能在一次对话中自然切换语言。
会话能力
  • 函数调用仅支持串行:在工具响应发送之前,模型不会开始回应
  • 支持搜索事实依据和思考
  • VAD 打断会取消进行中的生成
  • 不支持缓存、结构化输出、代码执行或 Batch API

模型

模态 文本 + 图像 + 音频 + 视频 → 文本 + 音频
  • 面向语音优先智能体的低延迟音频到音频模型,文档记载其具备声学细节检测、数字精确度和多模态感知能力。
  • 它使用 thinkingLevel(minimal / low / medium / high)而非 thinkingBudget,默认 minimal 以获得最低延迟。

依据 Google 官方文档 ↗

30 秒用上 gemini-3.1-flash-live

兼容 OpenAI Realtime:通过 WebSocket 连接,音频进、音频出。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())

关于 gemini-3.1-flash-live

  • 它接受文本、图像、音频和视频,通过 Live API 的有状态 WebSocket 返回文本和音频,输入上限 131,072 token,输出上限 65,536 token,是它所取代的 2.5 原生音频模型输出上限的八倍。
  • 函数调用、搜索事实依据和思考受支持,缓存、结构化输出、代码执行和 Batch API 不受支持;思考深度由 thinkingLevel 设置,取值 minimal、low、medium 或 high,默认 minimal 以获得最低延迟,而不是 2.5 一代使用的数值型 thinkingBudget。
  • 迁移说明才是有用的部分,因为这次升级既有新增也有移除。
  • 异步函数调用尚不支持,因此调用是串行的,模型在工具响应到达前不会开始作答;主动音频和情感对话已经取消,相关配置必须删掉。
  • 单个服务端事件现在可以一次携带多个内容片段,例如音频块与转写文本一起返回,因此只读取第一个片段的客户端会静默丢失内容。
  • 轮次覆盖范围现在默认包含检测到的音频活动和全部视频帧,这会抬高持续流式传输视频的应用的成本,而客户端内容可能只用于填充初始历史。
  • Synthorai 通过 OpenAI 兼容的 /v1/realtime WebSocket 端点提供它。

常见问题

gemini-3.1-flash-live API 可以免费试用吗?

gemini-3.1-flash-live 目前处于邀请测试阶段:需申请开通,而非开放注册。在 Synthorai 控制台提交申请,通过后即按标准量付费计费,无需订阅。

gemini-3.1-flash-live 最擅长什么?

面向实时对话与语音优先应用的音频对音频模型、输出上限是 2.5 原生音频模型的八倍、不支持异步函数调用,工具调用为串行。完整能力请见「关于」部分,内容取自厂商官方发布说明。

gemini-3.1-flash-live 的价格是多少?

在 Synthorai 上,gemini-3.1-flash-live 输入 $0.75/百万 token、输出 $4.5/百万 token,即厂商牌价,无平台加价。

如何调用 gemini-3.1-flash-live API?

gemini-3.1-flash-live 是语音对话(speech-to-speech)模型:通过 WebSocket 连接 wss://synthorai.io/v1/realtime?model=gemini-3.1-flash-live,用 OpenAI Realtime SDK(或原生 WebSocket)即可,音频输入、音频输出。它不是 POST /v1/audio/transcriptions 文件上传接口。用你的 sk-syn key 鉴权,只发 Authorization 头(beta 协议已下线)。

如何开通 gemini-3.1-flash-live?

gemini-3.1-flash-live 处于邀请测试阶段:在 Synthorai 控制台申请开通。审批通过后与其他模型用法一致:把 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gemini-3.1-flash-live" 即可。

相关模型

对比

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

获取 API 密钥 算算你的成本 →