L’API Gemini Live de Google diffuse des sessions multimodales via WebSockets ; ses modèles stables natifs pour les agents vocaux sont Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking.
Type de fournisseurAPI de modèle multimodal temps réel natif
Meilleure adéquationDéveloppeurs qui créent des agents conversationnels à faible latence nécessitant de l’audio natif, une entrée multimodale et des appels de fonctions dans une session WebSocket persistante.
Tailles d’équipejeunes entreprises; entreprises de taille intermédiaire; grandes entreprises; développeurs
Canaux d’appelWebSocket; applications côté serveur; applications clientes utilisant des jetons éphémères
Modèle tarifaireL’utilisation standard de Live API est facturée au jeton : 3 $ par million de jetons audio en entrée (équivalent à 0,005 $/min) et 12 $ par million de jetons audio en sortie (équivalent à 0,018 $/min), auxquels s’ajoute l’usage distinct des jetons texte. Le contexte accumulé de la session est facturé à chaque tour ; le coût peut donc augmenter avec l’historique de la conversation.
Indication de prixLes tarifs payants standard équivalent à 0,005 $/min pour l’audio en entrée et à 0,018 $/min pour l’audio en sortie ; ils sont facturés séparément, auxquels s’ajoutent les jetons texte. Google propose aussi une offre gratuite pour l’API.
Offre gratuite ou essaiL’offre gratuite de Gemini API est disponible ; l’utilisation payante de Live est facturée au jeton.
Tarifs et budget pour Gemini Live API
Les tarifs payants standard équivalent à 0,005 $/min pour l’audio en entrée et à 0,018 $/min pour l’audio en sortie ; ils sont facturés séparément, auxquels s’ajoutent les jetons texte. Google propose aussi une offre gratuite pour l’API.
L’utilisation standard de Live API est facturée au jeton : 3 $ par million de jetons audio en entrée (équivalent à 0,005 $/min) et 12 $ par million de jetons audio en sortie (équivalent à 0,018 $/min), auxquels s’ajoute l’usage distinct des jetons texte. Le contexte accumulé de la session est facturé à chaque tour ; le coût peut donc augmenter avec l’historique de la conversation.
L’offre gratuite de Gemini API est disponible ; l’utilisation payante de Live est facturée au jeton.
Tarifs du catalogue vérifiés le 28 septembre 2026. Confirmez les conditions actuelles dans les sources du fournisseur.
modèles natifs stables d’agents vocaux : gemini-3.8-live et gemini-3.8-live-extended-thinking
audio natif bidirectionnel
entrées texte, image et vidéo
appels de fonctions
exécution asynchrone des outils
contrôles de session et gestion des interruptions
Environnement d’exécution et adéquation
Architecture vocale
Agents audio natifs : Gemini 3.8 Live (gemini-3.8-live) et Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking).; Modèles TTS distincts : gemini-3.8-flash-tts et gemini-3.8-flash-lite-tts génèrent la parole ; aucun n’est un agent Live.; Points de terminaison de transcription distincts : gemini-3.5-transcribe traite des fichiers audio ; gemini-3.5-transcribe-live est un mode parole-vers-texte de Live API, pas un agent conversationnel.; Mode de traduction distinct : gemini-3.5-live-translate-preview est un interprète de Live API pour plus de 70 langues, pas un agent conversationnel ; il est en préversion.
Téléphonie
Non documenté publiquement
Contrôles d’appel
Non documenté publiquement
Intégrations
Non documenté publiquement
Connaissances et données
Non documenté publiquement
Langues
La documentation de Live API mentionne le japonais (ja) et la prise en charge multilingue ; la sortie audio native peut changer naturellement de langue au cours d’une conversation. La liste des langues prises en charge ne garantit pas une qualité d’appel équivalente. Séparément, Transcribe répertorie le japonais (ja-JP) parmi plus de 85 langues ; Flash TTS en répertorie 130 et Flash-Lite TTS 101 (les deux incluent le japonais) ; l’aperçu Live Translate en prend en charge plus de 70.
Points distinctifs
Les modèles stables Gemini 3.8 Live associent le dialogue audio natif à des appels d’outils configurables dans des sessions WebSocket persistantes ; le TTS, la transcription et la traduction sont des modèles complémentaires distincts.
Points à examiner
Google qualifie Live API de préversion même si les identifiants des deux modèles Gemini 3.8 Live sont stables. Les sessions audio natives utilisent la modalité de réponse AUDIO ; activez la transcription de sortie pour obtenir du texte. Les sessions audio seules sont limitées à 15 minutes et les sessions audio-vidéo à 2 minutes, sauf prolongation par la gestion de session. Les applications client-serveur ont besoin de jetons éphémères. L’audio et le contexte accumulés sont facturés à chaque tour.
Questions des acheteurs
Questions sur Gemini Live API
Quel budget prévoir pour Gemini Live API ?
Indication tarifaire publiée : Les tarifs payants standard équivalent à 0,005 $/min pour l’audio en entrée et à 0,018 $/min pour l’audio en sortie ; ils sont facturés séparément, auxquels s’ajoutent les jetons texte. Google propose aussi une offre gratuite pour l’API. Modèle tarifaire enregistré : L’utilisation standard de Live API est facturée au jeton : 3 $ par million de jetons audio en entrée (équivalent à 0,005 $/min) et 12 $ par million de jetons audio en sortie (équivalent à 0,018 $/min), auxquels s’ajoute l’usage distinct des jetons texte. Le contexte accumulé de la session est facturé à chaque tour ; le coût peut donc augmenter avec l’historique de la conversation. Demandez au fournisseur un devis actuel couvrant le même volume, les mêmes canaux, les abonnements, l’usage et les coûts de mise en œuvre.
Gemini Live API peut-il utiliser mes données existantes ?
Les sources de connaissances et de données indiquées comprennent Non documenté publiquement. Confirmez avec le fournisseur les autorisations, la fraîcheur et le comportement en cas d’échec pour vos systèmes précis.
Que tester dans un pilote de Gemini Live API ?
Effectuez des appels représentatifs avec les mêmes instructions et règles d’escalade. Consignez la qualité vocale, les tâches achevées, les transferts et le coût total. Vérifiez ces réserves : Google qualifie Live API de préversion même si les identifiants des deux modèles Gemini 3.8 Live sont stables. Les sessions audio natives utilisent la modalité de réponse AUDIO ; activez la transcription de sortie pour obtenir du texte. Les sessions audio seules sont limitées à 15 minutes et les sessions audio-vidéo à 2 minutes, sauf prolongation par la gestion de session. Les applications client-serveur ont besoin de jetons éphémères. L’audio et le contexte accumulés sont facturés à chaque tour.
Comparer Gemini Live à des candidats similaires
Ces produits partagent des catégories enregistrées ou correspondent à des entreprises de taille similaire. Comparez les canaux, les capacités et les tarifs réels avant de les considérer comme interchangeables.
Agents vocaux pour le Web et le téléphone, fondés sur des connaissances, utilisant des modèles audio temps réel natifs, des outils métier, la collecte de prospects, la prise de rendez-vous et le transfert vers un humain.
c’est un chatbot incroyablement flexible et je peux ajuster EXACTEMENT ce que j’ai besoin que le bot sache Karson M. sur G2 · 5/5 · Traduit de l’anglais
Plateforme d’agents vocaux fondés sur des connaissances
Périmètre et indications
Meilleure adéquation: Équipes souhaitant des agents vocaux fondés sur un contenu métier maintenu à jour et reliés aux outils de support, d’accueil, de vente et de gestion des processus.
Architecture vocale: Option de modèle audio temps réel natif avec recherche de connaissances et outils
Téléphonie: Connexion de numéro Twilio, Connexion d’opérateur SIP / RTC
agents vocauxstandardistes IAoutils de création de conversations
Plateforme d’agents vocaux téléphoniques et Web avec agents créés par API, parcours, données dynamiques, outils, webhooks et réglages d’interruption.
Plateforme d’agents vocaux
Périmètre et indications
Meilleure adéquation: Développeurs et équipes opérationnelles souhaitant des appels entrants et sortants prêts à l’emploi, avec des niveaux explicites de volume, de simultanéité et de base de connaissances.
Composant Programmable Voice reliant une session TwiML ConversationRelay à un WebSocket applicatif pour la reconnaissance et la synthèse vocales, les langues, le DTMF et les événements d’appel.
Environnement téléphonique pour agents vocaux
Périmètre et indications
Meilleure adéquation: Développeurs construisant leur propre logique d’agent vocal tout en confiant la téléphonie, le traitement des médias et le contrôle des appels à Twilio.
Architecture vocale: Interface vocale en cascade avec LLM fourni par le développeur
Téléphonie: Twilio Programmable Voice, numéros de téléphone, SIP
Choisissez le modèle de l’agent vocal avant de concevoir la session
Google documente Gemini 3.8 Live et Gemini 3.8 Live Extended Thinking pour les conversations audio natives. Choisissez un identifiant de modèle précis et les fonctions prises en charge avant de tester. La génération vocale, la transcription et la traduction en direct sont des modes distincts ; leur disponibilité ne permet pas de confirmer le comportement de l’agent.
Prévoyez les appels longs, les reconnexions et les outils interrompus
Google documente une limite de session de 15 minutes pour l’audio seul et de deux minutes pour l’audio avec vidéo, avec des techniques de gestion de session permettant de les prolonger. Les applications clientes ont besoin de tokens éphémères. Testez une reconnexion pendant une tâche réelle, une correction de l’appelant pendant l’exécution d’un outil et la prévention des actions en double dans votre application.
Les tarifs audio du modèle ne couvrent qu’une partie de la facture
Tarifs vérifiés le 9 octobre 2026. Les tarifs audio standard de la Live API payante sont de 3 $ par million de tokens en entrée et de 12 $ par million de tokens en sortie ; Google affiche aussi des équivalents de 0,005 $ et 0,018 $ par minute. L’entrée et la sortie sont facturées séparément, avec un usage du texte en supplément. Ces montants correspondent aux tarifs du modèle, et non au prix d’un agent téléphonique hébergé.
Google facture à nouveau le contexte actif de la session à chaque tour, y compris l’audio accumulé. Les historiques plus longs peuvent donc augmenter le coût par tour ; les transcriptions activées ajoutent aussi des frais de tokens texte. Comparez les sessions courtes et longues à partir de l’usage des tokens enregistré, puis ajoutez les coûts de transport, de téléphonie, d’hébergement et d’exploitation.
Testez la reconnaissance, la qualité de la voix, les interruptions, le changement de langue, l’utilisation des outils et le transfert vers un humain avec vos propres appels dans la langue requise. La disponibilité peut varier selon le modèle, l’offre et le parcours téléphonique.
DocsBot documente les processus vocaux multilingues et la prise en charge du japonais. Vérifiez la voix exacte, le parcours téléphonique et les transferts lors de votre pilote. Consulter les informations de DocsBot sur les langues ↗
Les affirmations des autres fournisseurs sur les langues proviennent des sources citées. Confirmez directement auprès de chacun la prise en charge du japonais et des autres langues requises.
Une inscription ne constitue ni une recommandation ni une garantie de performance. Cet annuaire est publié par DocsBot. Politique éditoriale
Votre entreprise. Votre sélection.
Gemini Live API vous convient-il ?
Commencez par votre site. Répondez à quelques questions ciblées, puis obtenez un PDF personnalisé avec l’adéquation, les compromis, les solutions de remplacement et un plan de pilote pour votre parcours d’appel.
