Comparación de modelos
Compare Gemini 3.1 Flash Live Preview y Inworld Realtime TTS-2 utilizando la misma rúbrica voz y tiempo real del proveedor. Sin puntuación misteriosa ni clasificación de referencia inventada.
Hechos comprobados 4 de septiembre de 2026
Toma rápida
Modelo de vista previa de audio a audio de Google para diálogos de baja latencia con conciencia, pensamiento, base de búsqueda y llamadas de funciones multimodales.
El modelo es una vista previa y los proyectos pagos y no pagos tienen diferentes términos de uso de datos. Confirme ambos antes de capturar conversaciones confidenciales.
El modelo expresivo de conversión de texto a voz en tiempo real más nuevo de Inworld, diseñado para recordar la entrega conversacional y hablar en más de 100 idiomas.
Ésta es la capa del habla, no un agente completo. La página actual de retención de datos cero de Inworld no incluye explícitamente TTS-2, por lo tanto, confirme la cobertura antes de enviar mensajes de texto o datos de voz confidenciales.
Compara los hechos publicados
Los valores utilizan las unidades y límites publicados de cada proveedor. Un espacio en blanco significa que el proveedor no publicó un valor directamente comparable en las fuentes revisadas.
| Voz y tiempo real | Gemini 3.1 Flash Live Preview | Inworld Realtime TTS-2 |
|---|---|---|
| Base del precioPrecio basado en tokens, caracteres o minutos para la ruta de acceso indicada. | Audio $0.005/min entrada · $0.018/min salida | $25 / 1 millón de caracteres bajo demanda; descuentos por volumen |
| Modo de interacciónComportamiento de voz a voz, audio a audio o texto a voz transmitido. | Entrada multimodal de audio a audio en tiempo real | TTS orientable en tiempo real con contexto de audio previo |
| Latencia publicadaMedición publicada por el proveedor con sus exclusiones indicadas; no es una prueba Cody. | No publicado | TTFA media inferior a 200 ms |
| IdiomasCobertura de idioma documentada por el proveedor o un marcador claro e inédito. | Multilingüe; verificar el soporte actual de Live API | Más de 100 con cambio a mitad de la expresión |
| Herramientas y controlFunciones nativas de llamada de funciones, razonamiento o control de voz. | Llamada a funciones y conexión a tierra de búsqueda | Dirección de voz, diseño, clonación, no verbales. |
| Contexto o límite de entradaToken documentado o límite de caracteres cuando sea significativo. | 131.072 entradas · 65.536 salidas | No publicado |
como elegir
Comience con el trabajo que necesita completar y luego valide los detalles del costo, el acceso y la política en la ruta exacta de su proveedor.
Google dice que el contenido pago Gemini API no se utiliza para mejorar sus productos; los datos de servicios no pagados generalmente pueden serlo. Confirme el estado de facturación y los términos actuales antes de enviar conversaciones confidenciales.
Enlaces de proveedores y API
Inworld anuncia retención de datos cero como complemento empresarial, pero su página de soporte ZDR publicada actualmente solo nombra TTS-1.5 Mini y Max. Confirme la cobertura TTS-2 directamente antes de enviar mensajes de texto regulados o confidenciales.
Preguntas frecuentes
Gemini 3.1 Flash Live Preview: Modelo de vista previa de audio a audio de Google para diálogos de baja latencia con conciencia, pensamiento, base de búsqueda y llamadas de funciones multimodales. Inworld Realtime TTS-2: El modelo expresivo de conversión de texto a voz en tiempo real más nuevo de Inworld, diseñado para recordar la entrega conversacional y hablar en más de 100 idiomas.
Considere Gemini 3.1 Flash Live Preview cuando su prioridad sea Asistentes de voz multimodales. Considere Inworld Realtime TTS-2 cuando su prioridad sea Compañeros en tiempo real y voces de apoyo.. Pruebe ambos con sus propios datos y la ruta del proveedor antes de comprometerse.
No. Esta comparación alinea los datos publicados por el proveedor para la categoría Voz y tiempo real. No reclama un ganador universal ni combina puntuaciones de referencia de terceros incompatibles.
