L’API Gemini Live di Google trasmette sessioni multimodali tramite WebSocket; i suoi modelli stabili nativi per agenti vocali sono Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking.
Tipo di fornitoreAPI per modello multimodale nativo in tempo reale
Ideale perSviluppatori che creano agenti conversazionali a bassa latenza e necessitano di audio nativo, input multimodale e chiamate di funzione in una sessione WebSocket persistente.
Dimensioni del teamstartup; medie imprese; grandi imprese; sviluppatori
Canali di chiamataWebSocket; applicazioni lato server; applicazioni client che usano token effimeri
Modello tariffarioL’uso standard di Live API è tariffato a token: 3 USD per 1 milione di token audio in ingresso (equivalenti a 0,005 USD/min) e 12 USD per 1 milione di token audio in uscita (equivalenti a 0,018 USD/min), oltre all’uso separato di token di testo. Il contesto accumulato della sessione viene fatturato a ogni turno, quindi il costo può crescere con la cronologia della conversazione.
Indicazione di prezzoLe tariffe standard a pagamento equivalgono a 0,005 USD/min per l’audio in ingresso e a 0,018 USD/min per l’audio in uscita; sono fatturate separatamente, oltre ai token di testo. Google indica anche un piano API gratuito.
Piano gratuito o provaGemini API include un piano gratuito; l’uso a pagamento di Live è tariffato a token.
Prezzi e budget di Gemini Live API
Le tariffe standard a pagamento equivalgono a 0,005 USD/min per l’audio in ingresso e a 0,018 USD/min per l’audio in uscita; sono fatturate separatamente, oltre ai token di testo. Google indica anche un piano API gratuito.
L’uso standard di Live API è tariffato a token: 3 USD per 1 milione di token audio in ingresso (equivalenti a 0,005 USD/min) e 12 USD per 1 milione di token audio in uscita (equivalenti a 0,018 USD/min), oltre all’uso separato di token di testo. Il contesto accumulato della sessione viene fatturato a ogni turno, quindi il costo può crescere con la cronologia della conversazione.
Gemini API include un piano gratuito; l’uso a pagamento di Live è tariffato a token.
Prezzi del catalogo verificati il 28 settembre 2026. Conferma le condizioni attuali nelle fonti del fornitore.
modelli stabili nativi per agenti vocali: gemini-3.8-live e gemini-3.8-live-extended-thinking
audio nativo bidirezionale
input di testo, immagini e video
chiamate di funzione
esecuzione asincrona degli strumenti
controlli della sessione e gestione delle interruzioni
Runtime e idoneità
Stack vocale
Agenti audio nativi: Gemini 3.8 Live (gemini-3.8-live) e Gemini 3.8 Live Extended Thinking (gemini-3.8-live-extended-thinking).; Modelli TTS separati: gemini-3.8-flash-tts e gemini-3.8-flash-lite-tts generano parlato; nessuno dei due è un agente Live.; Endpoint di trascrizione separati: gemini-3.5-transcribe elabora file audio; gemini-3.5-transcribe-live è una modalità Live API da voce a testo, non un agente conversazionale.; Modalità di traduzione separata: gemini-3.5-live-translate-preview è un interprete di Live API per oltre 70 lingue, non un agente conversazionale; è in anteprima.
Telefonia
Non documentato pubblicamente
Controlli delle chiamate
Non documentato pubblicamente
Integrazioni
Non documentato pubblicamente
Conoscenze e dati
Non documentato pubblicamente
Lingue
La documentazione di Live API indica il giapponese (ja) e il supporto multilingue; l’output audio nativo può cambiare lingua in modo naturale durante la conversazione. L’elenco delle lingue supportate non garantisce una qualità delle chiamate equivalente. Separatamente, Transcribe include il giapponese (ja-JP) fra oltre 85 lingue; Flash TTS ne elenca 130 e Flash-Lite TTS 101 (entrambi includono il giapponese); l’anteprima Live Translate supporta oltre 70 lingue.
Punti distintivi
I modelli stabili Gemini 3.8 Live combinano dialogo audio nativo e chiamate a strumenti configurabili in sessioni WebSocket persistenti; TTS, trascrizione e traduzione sono modelli di supporto separati.
Aspetti da considerare
Google definisce Live API un’anteprima anche se gli ID di entrambi i modelli Gemini 3.8 Live sono stabili. Le sessioni audio native usano la modalità di risposta AUDIO; abilita la trascrizione dell’output per ottenere testo. Le sessioni solo audio sono limitate a 15 minuti e quelle audio-video a 2 minuti, salvo estensione tramite la gestione della sessione. Le app client-server necessitano di token effimeri. L’audio e il contesto accumulati vengono fatturati a ogni turno.
Domande degli acquirenti
Domande su Gemini Live API
Come devo pianificare il budget per Gemini Live API?
Indicazione di prezzo pubblicata: Le tariffe standard a pagamento equivalgono a 0,005 USD/min per l’audio in ingresso e a 0,018 USD/min per l’audio in uscita; sono fatturate separatamente, oltre ai token di testo. Google indica anche un piano API gratuito. Modello tariffario registrato: L’uso standard di Live API è tariffato a token: 3 USD per 1 milione di token audio in ingresso (equivalenti a 0,005 USD/min) e 12 USD per 1 milione di token audio in uscita (equivalenti a 0,018 USD/min), oltre all’uso separato di token di testo. Il contesto accumulato della sessione viene fatturato a ogni turno, quindi il costo può crescere con la cronologia della conversazione. Chiedi al fornitore un preventivo aggiornato per lo stesso carico di lavoro, gli stessi canali, abbonamenti, consumi e costi di implementazione.
Gemini Live API può usare i miei dati esistenti?
Le fonti di conoscenza e dati elencate includono Non documentato pubblicamente. Verifica con il fornitore autorizzazioni, aggiornamento dei dati e comportamento in caso di errore per i tuoi sistemi specifici.
Cosa devo testare in un progetto pilota con Gemini Live API?
Esegui chiamate rappresentative con le stesse istruzioni e regole di escalation. Registra qualità vocale, attività completate, trasferimenti e costo totale. Verifica questi aspetti: Google definisce Live API un’anteprima anche se gli ID di entrambi i modelli Gemini 3.8 Live sono stabili. Le sessioni audio native usano la modalità di risposta AUDIO; abilita la trascrizione dell’output per ottenere testo. Le sessioni solo audio sono limitate a 15 minuti e quelle audio-video a 2 minuti, salvo estensione tramite la gestione della sessione. Le app client-server necessitano di token effimeri. L’audio e il contesto accumulati vengono fatturati a ogni turno.
Confronta Gemini Live con candidati simili
Questi prodotti condividono categorie o idoneità per dimensione aziendale registrate. Confronta canali, funzionalità e prezzi effettivi prima di considerarli intercambiabili.
Agenti vocali per web e telefono basati su conoscenze aziendali, con modelli audio nativi in tempo reale, strumenti di lavoro, acquisizione di contatti, prenotazioni e trasferimento a una persona.
è un chatbot incredibilmente flessibile e posso perfezionare ESATTAMENTE ciò che ho bisogno che il bot sappia Karson M. su G2 · 5/5 · Tradotto dall’inglese
Ideale per: Team che desiderano agenti vocali basati su contenuti aziendali aggiornati e collegati a strumenti per assistenza, centralino, vendite e flussi di lavoro.
Stack vocale: Opzione di modello audio nativo in tempo reale con recupero delle conoscenze e strumenti
Telefonia: Collegamento di un numero Twilio, Collegamento a un operatore SIP/PSTN
agenti vocalicentralinisti IAstrumenti di creazione delle conversazioni
Piattaforma di agenti vocali per telefono e web, con agenti creati tramite API, percorsi conversazionali, dati dinamici, strumenti, webhook e impostazioni per le interruzioni.
Piattaforma per agenti vocali
Ambito e indicatori
Ideale per: Sviluppatori e team operativi che cercano chiamate in entrata e in uscita già predisposte, con fasce esplicite per volumi di chiamata, concorrenza e basi di conoscenza.
Componente di Programmable Voice che collega una sessione TwiML ConversationRelay al WebSocket di un’applicazione per STT/TTS, impostazioni linguistiche, DTMF ed eventi di chiamata.
Infrastruttura di esecuzione telefonica per agenti vocali
Ambito e indicatori
Ideale per: Sviluppatori che creano la logica dei propri agenti vocali e affidano a Twilio telefonia, gestione dei flussi multimediali e controllo delle chiamate.
Stack vocale: Interfaccia vocale a cascata con LLM fornito dallo sviluppatore
Telefonia: Twilio Programmable Voice, numeri telefonici, SIP
infrastruttura di esecuzione per API vocaliagenti vocali
EVI è un’API WebSocket speech-to-speech che trasmette in streaming trascrizioni, misure dell’espressione vocale, testo dell’assistente e audio della risposta.
API per modello vocale nativo ed espressivo
Ambito e indicatori
Ideale per: Sviluppatori che valutano interazioni vocali sensibili alla prosodia, con voci configurabili ed eventuali LLM supplementari.
Stack vocale: Elaborazione vocale nativa speech-to-speech sensibile alla prosodia
Telefonia: Non documentato pubblicamente
infrastruttura di esecuzione per API vocaliagenti vocali
Scegli il modello dell’agente vocale prima di progettare la sessione
Google documenta Gemini 3.8 Live e Gemini 3.8 Live Extended Thinking per le conversazioni audio native. Scegli un ID di modello preciso e le funzionalità supportate prima di eseguire i test. Generazione vocale, trascrizione e traduzione in tempo reale sono modalità distinte; la loro disponibilità non conferma il comportamento dell’agente.
Prevedi chiamate lunghe, riconnessioni e strumenti interrotti
Google documenta un limite di sessione di 15 minuti per il solo audio e di due minuti per audio e video, con tecniche di gestione per estendere le sessioni. Le applicazioni client richiedono token effimeri. Testa una riconnessione durante un’attività reale, una correzione del chiamante mentre uno strumento è in esecuzione e la prevenzione delle azioni duplicate nell’applicazione.
Le tariffe audio del modello coprono solo parte della fattura
Prezzi verificati il 9 ottobre 2026. Le tariffe audio standard della Live API a pagamento sono 3 $ per milione di token in ingresso e 12 $ per milione di token in uscita; Google mostra anche equivalenti al minuto di 0,005 $ e 0,018 $. Ingresso e uscita sono conteggiati separatamente, con ulteriore consumo di testo. Queste cifre sono tariffe del modello, non il prezzo di un agente telefonico ospitato.
Google fattura nuovamente il contesto attivo della sessione a ogni turno, incluso l’audio accumulato. Le cronologie più lunghe possono quindi aumentare il costo per turno; anche le trascrizioni abilitate aggiungono costi per token di testo. Confronta sessioni brevi e lunghe usando il consumo di token registrato e aggiungi i costi di trasporto, telefonia, hosting e gestione operativa.
Verifica riconoscimento, qualità della voce, interruzioni, cambio di lingua, uso degli strumenti e trasferimento a una persona con chiamate reali nella lingua richiesta. La disponibilità può variare in base a modello, piano e percorso telefonico.
DocsBot documenta flussi vocali multilingue e il supporto del giapponese. Verifica nel progetto pilota la voce specifica, il percorso telefonico e il trasferimento. Consulta le informazioni di DocsBot sulle lingue ↗
Le dichiarazioni degli altri fornitori sulle lingue si basano sulle fonti citate; conferma direttamente con ciascuno il supporto del giapponese e delle altre lingue richieste.
L’inclusione nel catalogo non implica una raccomandazione né garantisce le prestazioni. Questo catalogo è pubblicato da DocsBot. Politica editoriale
La tua azienda. La tua rosa di candidati.
Gemini Live API è adatto a te?
Parti dal tuo sito web. Rispondi ad alcune domande mirate e ricevi un PDF personalizzato con idoneità, compromessi, alternative e un piano pilota per il tuo flusso di chiamate.
