Wixzel Voice 上的 gemini-live 引擎：Gemini Live，原生音訊
一個模型處理整個對話回合。Google Gemini Live 接收來電者的音訊並輸出音訊，推理在供應商端完成，因此沒有獨立的語音轉文字或文字轉語音階段，延遲就是模型本身的表現。
最後更新於
gemini-live 引擎中的每個模型在 Wixzel Voice 上的費用是多少？
即時引擎將整個對話輪次交給單一模型處理，因此價格主要是該模型的用量單位。管線標籤為 Gemini Live，原生音訊。
| 階段 | 模型 | 單價 | 每分鐘 |
|---|---|---|---|
| 即時模型 | google/gemini-live | $0.0042 / 1k 輸入音訊 token | $0.0063 |
| 即時模型 | google/gemini-live | $0.0168 / 1k 輸出音訊 token | $0.0252 |
| 即時模型 | google/gemini-live | $0.0010 / 1k 輸入 token | $0.0025 |
| 即時模型 | google/gemini-live | $0.0063 / 1k 輸出 token | $0.0030 |
| 協調 | wixzel/orchestration | $0.0120 / 分鐘 | $0.0120 |
一律無條件進位，從不捨去。同一階段列出兩個模型時，引擎會依語言選擇；上方的引擎價格以較貴的路徑計算。所有價格請見模型價格清單。
常見問題
gemini-live 語音引擎是什麼？
gemini-live 引擎每分鐘多少錢？
gemini-live 引擎使用哪些模型？
google/gemini-live。沒有需要另外設定的語音轉文字或文字轉語音階段。使用 gemini-live 需要自己的 google 帳號嗎？
wv_live_… API 金鑰和一份預付餘額，即可使用 gemini-live 引擎和其他所有引擎；不需要自備供應商金鑰。如何在通話中使用 gemini-live 引擎？
POST /v1/agents 建立代理時，將代理的語音設為 {"realtime": {"model": "google/gemini-live"}}，然後以 POST /v1/calls 撥打電話。GET /v1/engines 會列出目前可用的引擎；供應商服務降級的引擎，會在通話開始失敗之前就從清單中消失。gemini-live 的每分鐘價格是固定費率嗎？
GET /v1/usage/events 中逐項列出。較安靜或較短的輪次花費較少；長篇獨白則花費較多。開發者用 gemini-live 引擎打造什麼？
客服通話以對話為主，而且常被打斷；即時引擎能讓每輪回應的延遲最低。如果成本比反應速度更重要，classic 引擎是較便宜的選擇。
由一個即時模型負責聆聽、思考與說話，因此往返時間就是 Gemini 本身的表現，而且它是每分鐘最便宜的引擎。sarvam 管線也能透過 socket 執行，適用於印度語言；需要特定 ElevenLabs 語音時，classic 也可以。
從網站建立的代理預設使用 Gemini Live：由一個即時模型負責聆聽、思考與說話，所以回應很快，而且它是每分鐘最便宜的引擎。如果您的訪客說印地語、坦米爾語、馬拉雅拉姆語或其他印度語言，請切換到 sarvam。
它是每分鐘最便宜的引擎，由一個即時模型負責聆聽、思考與說話，所以回應很快。如果來電者說印地語、坦米爾語、馬拉雅拉姆語或其他印度語言，sarvam 引擎從頭到尾專為 11 種印度語言打造。
虛擬角色依代理說出的音訊動嘴，所以適用於所有引擎。gemini-live 最便宜且回應快速；使用者說印地語、坦米爾語、馬拉雅拉姆語或其他印度語言時，請使用 sarvam。
哪些指南以 gemini-live 引擎為基礎？
讓使用者在 Flutter 應用程式中與您的語音代理對話：您的伺服器建立工作階段，`wixzel_voice` Dart SDK 透過 WebSocket 串流音訊，不需要 SIP 中繼或號碼。
透過您自己的 SIP 中繼，用四個 cURL 請求讓 Google 的 Gemini Live 模型進行真實電話通話，再讀取包含逐字稿與費用的通話紀錄。
用您的網站建立代理，開啟其吉祥物的網站小工具，再貼上一個 script 標籤。訪客在瀏覽器中撥打給它，並受您設定的上限和來電者規則約束。
用 `wixzel_voice_flutter` 套件在 Flutter 應用程式中繪製語音代理的動態吉祥物，並讓它在即時通話中同步聆聽、思考和說話。