Google 的 Gemini Live API 这一族，覆盖实时语音助手、专用直播转写模型，以及单独的语音到语音翻译型号。计价按 token（音频按每秒 25 token），在 Gemini Developer API 价目页上同时给出每百万 token 价和大约每分钟价。
LecSync 实时语音 API 是面向会议和课堂字幕的托管 WebSocket：预览与定稿、60 种语言任意两种互译、每句定稿上的说话人和对齐录音的时间戳，以及边开边长的纪要。这些全部打开，仍是每分钟音频 $0.006，折合每小时 $0.36。
下文 Google 数字于 2026 年 10 月 24 日核对，来源包括 Live API 概述、Live Transcription 指南、能力说明、会话管理、最佳实践，以及价目页（标注 2026-10-22 UTC 更新）。
Gemini Live 和实时字幕 STT，分别是什么？
Gemini Live API 是 Google 的双向 WebSocket，用来做低延迟音频（可选视频）会话。同一套管线既跑 gemini-3.8-live 这类能听会说的语音助手，也跑专用转写 gemini-3.5-transcribe-live，以及语音到语音的 gemini-3.5-live-translate-preview。LecSync 这类实时字幕 API 则是只吃一路音频，在同一条连接上返回配对好的转写、译文、说话人和纪要，并不充当对话代理。
先说结论
如果你要做的是语音助手：听、想、开口回、调工具，或者深度绑在 Google AI Studio / Gemini 生态里，选 Gemini Live 更顺。gemini-3.8-live 价目上音频输入大约每分钟 $0.005、音频输出大约每分钟 $0.018，带插话、主动聆听和多模态输入。
如果你要的是会议或课堂的实时翻译字幕，还要说话人和会上纪要，并且希望一张每分钟账单搞定，LecSync 更贴近这个场景。Gemini 同语种直播转写 gemini-3.5-transcribe-live，Google 自己估算大约每分钟 $0.009，已经高于 LecSync 的 $0.006 全包，而且这条 SKU 不加实时文字翻译，也不在直播流上标说话人。语音到语音的 Live Translate 是另一条型号，大约每分钟 $0.037。
两边怎么接
LecSync。 服务端调 POST https://api.lecsync.com/v1/realtime/connect，带上音频格式、语言对和要开的功能，再推 16 kHz 单声道 PCM。人没说完先出预览，句子落定后再出定稿；译文按 segment ID 配对。开 speakers: true，每句定稿带说话人和 startMs/endMs；开 digest: true，纪要按话题一段段推。开口到首字大约 0.28 秒，翻译再多大约 88 毫秒。
Gemini Live 助手（gemini-3.8-live）。 用 Gen AI SDK 或原生 WSS 打开 Live 连接，把 response_modalities 设为 AUDIO，推 PCM 进去。模型回 24 kHz 语音，可选输入/输出文字转写，也能调工具和 Google Search。不开上下文压缩时，纯音频会话上限 15 分钟（带视频 2 分钟）；连接大约 10 分钟会重置，生产环境要开压缩和会话续传。
Gemini 直播转写（gemini-3.5-transcribe-live）。 还是 Live 传输，但配置成语音转文字流水线，response_modalities=["TEXT"]。说话过程中推 interim_input_transcription，一轮结束推 input_transcription。自动语种识别覆盖 85 种以上语言，支持语码转换；也可开自定义词表和 SMART 整理。文档写明连续推流最长 10 分钟。直播路径不支持说话人分离和词级时间戳——这两项要走非流式的 gemini-3.5-transcribe。
换成每小时大概多少钱（估算）
| 路径 | 公开价 | 折合每小时音频 | 说明 |
|---|---|---|---|
| LecSync 实时语音 API | 每分钟 $0.006 全包 | $0.36 | 转写 + 翻译 + 说话人 + 纪要 |
| Gemini 3.5 Transcribe Live | 约每分钟 $0.009（Google 估算） | 约 $0.54 | 仅转写；按 25 token/秒音频 + 约 175 文本 token/分钟 |
| Gemini 3.8 Live，只计音频输入 | 价目每分钟 $0.005 | $0.30 | 助手「听」的标价；上下文复计可能抬高实付 |
| Gemini 3.8 Live，输入 + 输出 | $0.005 + $0.018 / 分钟 | $1.38 | 假设持续回语音；助手产品 |
| Gemini 3.5 Live Translate | 约每分钟 $0.0368 | 约 $2.21 | 语音到语音，70+ 语种 |
助手会话会按轮复计上下文，打开输入/输出转写还会叠加文本输出费用。上表助手行只是下限，不能直接当成会议字幕报价。
对照表（2026-10-24 核对）
| LecSync 实时语音 API | Gemini Live（助手 / 转写 / 翻译） | |
|---|---|---|
| 主场景 | 会议/课堂字幕 + 机翻 | 语音助手；专用直播 STT；语音互译 |
| 计价 | 每分钟 $0.006 一口价 | 按 token；Google 另给约每分钟估算 |
| 同语种实时转写 | 包含 | gemini-3.5-transcribe-live 约 $0.009/分钟 |
| 实时文字翻译 | 60 语任意互译，同连接 | Transcribe Live 没有；S2S 走 Live Translate 约 $0.037/分钟 |
| 直播流说话人 | 每句定稿都有 | 直播转写无；文件转写 ≤8 |
| 实时纪要 | digest: true | Live Transcribe 无对等能力 |
| 中间结果 | 预览 → 定稿 | interim + final |
| 语种 | 60，自动识别 | 直播转写 85+；助手文档写 70 / 另有 99 语表 |
| 会话时长 | 托管长连接；积压封顶 2 秒 | 直播 STT ≤10 分钟；助手 15 分钟（需压缩才可延长） |
| 部署 | 托管 SaaS，7 个网关区域 | Google 托管 Developer API（Preview） |
| 术语表 | 术语表 + 领域上下文 | 最多 1,000 词（建议 ≤100） |
| 音频格式 | 常见 16 kHz 单声道 PCM | 输入 16-bit PCM 16 kHz；助手输出 24 kHz |
| SLA | 尽力而为，无公开 SLA | Preview；企业路径见 Google Cloud |
1000 小时大概花多少
| 每月 1000 小时 | LecSync | Gemini（按公开价估算） |
|---|---|---|
| 同语种实时字幕 | $360 | Transcribe Live 约 $540 |
| 带文字翻译的实时字幕 | $360 | Transcribe Live 做不到；Live Translate 语音互译约 $2,208，或自拼 STT+机翻 |
| 说话人 + 时间戳 | 包含 | 直播没有；仅文件转写 |
| 实时纪要 | 包含 | 无 |
| 语音助手（听 + 回） | 不是这个产品 | 3.8 Live 大约 $0.30–$1.38+/小时，看输出量 |
1000 小时是 60,000 分钟。LecSync 开不开翻译和说话人都是 $360。Gemini 最接近的直播字幕 SKU，在加翻译和说话人之前就已经大约贵一半。更细的「一口价 vs 功能加价」见翻译、说话人、摘要叠上去后，1000 小时怎么算。
什么时候更该选 Gemini Live
- 语音助手和多模态对话。
gemini-3.8-live的插话、情绪对话、主动聆听、工具和 Google Search。 - 语音到语音翻译。
gemini-3.5-live-translate-preview面向 70+ 语种的口语互译。 - Google 生态。 AI Studio、Gen AI SDK、临时 token，以及 Live Transcribe 文档列出的 LiveKit、Pipecat、Agora 等合作栈。
- SMART / 逐字整理和大词表，走专用 Transcribe Live。
- 只做转写、要更广语种覆盖（直播转写 85+，对比 LecSync 60 语但自带机翻）。
什么时候更适合 LecSync
- 一条连接上的实时翻译字幕。 60 语任意一对，译文和原句同 ID——见内置翻译和自拼 STT + 机翻。
- 直播过程中就要说话人和对齐录音的时间戳，而不是会后再跑文件任务——用说话人和时间戳搭会议客户端。
- 开会过程中出纪要（
digest: true）——实时纪要和会后摘要。 - 账单按分钟一眼算清，每小时 $0.36，没有上下文复计，也不用另开翻译 SKU。
- 长课时、不想卡在 10 分钟直播转写上限，用积压封顶 2 秒稳住字幕，而不是越积越落后。
还想看 Google 侧其他实时栈，可以对照 LecSync 对比 Google Cloud Speech 流式 和 LecSync 对比 AssemblyAI / OpenAI Realtime 一条连接。
常见问题
Gemini Live 音频大概多少钱？
截至 2026 年 10 月 24 日，gemini-3.8-live 音频输入 $3.00/百万 token（约 $0.005/分钟），音频输出 $12.00/百万 token（约 $0.018/分钟）。gemini-3.5-transcribe-live 经 Google 估算约 $0.009/分钟。Live Translate 约 $0.037/分钟。助手实付还会被上下文复计和转写附加费抬高。
Gemini 直播转写能实时出翻译字幕吗？
不能。gemini-3.5-transcribe-live 只做语音转文字。实时翻译是另一条语音到语音型号 gemini-3.5-live-translate-preview。LecSync 在同一条字幕流上做 60 语任意互译的文字译文。
Gemini 能在直播流上标说话人吗？
直播转写不行。文档写明说话人分离（最多 8 人）只在非流式 gemini-3.5-transcribe 上提供。LecSync 每句直播定稿都带说话人和毫秒时间戳。
Gemini Live 一次能开多久？
不开压缩时，纯音频助手会话上限 15 分钟（带视频 2 分钟），连接大约 10 分钟重置。直播转写文档写连续推流最长 10 分钟。助手可用上下文压缩加会话续传拉长；LecSync 面向长课时托管字幕流，并用 2 秒积压上限控制延迟。
小结
要语音助手、语音互译，或深度用 Google AI 工具链，选 Gemini Live。要翻译字幕、说话人和实时纪要，并且希望每分钟 $0.006 一口价、不必拼多条 Gemini SKU，选 LecSync。可在开发者页用一次 POST /v1/realtime/connect 开测试流。