Gemini 2.5 Flash mit der Gemini Live API

Gemini 2.5 Flash mit nativen Audiofunktionen der Gemini Live API bietet unsere innovative native Audiofunktion für die Gemini Live API. Zusätzlich zu den Standardfunktionen der Gemini Live API bietet dieses Modell:

• Bessere Audioqualität:Die Audioqualität wurde deutlich verbessert und es fühlt sich an, als würden Sie mit einer echten Person sprechen.
• Verbesserte Sprachqualität und Anpassungsfähigkeit:Die Gemini Live API bietet mit 30 HD-Stimmen in 24 Sprachen natürlichere Sprachinteraktionen.
• Proaktives Audio (Vorabversion) Wenn „Proaktives Audio“ aktiviert ist, reagiert das Modell nur, wenn es relevant ist. Das Modell generiert proaktiv nur für Anfragen, die an das Gerät gerichtet sind, Texttranskripte und Audioantworten und reagiert nicht auf Anfragen, die nicht an das Gerät gerichtet sind.
• Affektiver Dialog:Modelle, die die native Audiofunktion der Gemini Live API verwenden, können die emotionalen Äußerungen von Nutzern verstehen und angemessen darauf reagieren, um nuanciertere Unterhaltungen zu ermöglichen.
• Verbesserte Unterbrechungsfunktion:Sie können Gemini jetzt natürlicher und zuverlässiger unterbrechen, auch in lauten Umgebungen.
• Robuster Funktionsaufruf:Wir haben die Auslöserate verbessert, sodass Gemini die von Ihnen definierten Funktionen zur Unterstützung Ihrer Anwendungsfälle erfolgreich ausführen kann.
• Genaue Transkription:Die Genauigkeit der Audio-zu-Text-Transkription wurde deutlich verbessert. Noch bessere Ergebnisse erzielen Sie, wenn Sie dem Modell Sprachhinweise geben, damit es die richtige Sprache verwendet. Weitere Informationen finden Sie unter Audio-Transkription für die Sitzung aktivieren.
• Nahtlose mehrsprachige Unterstützung:Sie können mit Gemini in mehreren Sprachen sprechen und die KI wechselt mühelos zwischen den Sprachen, ohne dass eine Vorkonfiguration erforderlich ist. Sprache ist kein Hindernis mehr.

Weitere Informationen zur Gemini Live API finden Sie hier:

• Eigenständige Dokumentation zur Gemini Live API
• Von der Gemini Live API unterstützte Audioformate
• Gleichzeitige Sitzungen mit der Gemini Live API

In Agent Studio ausprobieren Preise

Modell-ID	gemini-live-2.5-flash-native-audio
Betriebsarten	description Text Ein- und Ausgabe photo Bild Nur Eingabe mic Audio Ein- und Ausgabe videocam Video Nur Eingabe
Token limits	Verlaufszeitraum	128K
	Maximale Ausgabetokens	64.000
Maximale Anzahl gleichzeitiger Sitzungen	1000
Leistungsspektrum	Antwort wird generiert Nicht unterstützt Systemanweisungen Unterstützt Strukturierte Ausgabe Nicht unterstützt Kontext-Caching Nicht unterstützt RAG Engine Nicht unterstützt Abstimmung Nicht unterstützt URL-Kontext Nicht unterstützt Agentic Video Understanding Funktion in der Vorabversion Nicht unterstützt
Tools	Fundierung Google Suche Unterstützt Code-Ausführung Nicht unterstützt Funktionsaufrufe Unterstützt Computerverwendung Funktion in der Vorabversion Nicht unterstützt
APIs	GenerateContent API Unterstützt Interactions API Funktion in der Vorabversion Nicht unterstützt Gemini Live API Unterstützt Count Tokens API Nicht unterstützt Chat Completions API Nicht unterstützt
Nutzungsoptionen	Bereitgestellter Durchsatz Unterstützt Batch-Inferenz Nicht unterstützt Pay-as-you-go Standard-PayGo Unterstützt Festes Kontingent Nicht unterstützt
Technische Daten	Bild	Maximale Anzahl von Bildern pro Prompt: 3.000 Maximale Dateigröße pro Datei für Inline-Daten oder direkte Uploads über die Console: 7 MB Maximale Dateigröße pro Datei aus Google Cloud Storage: 30 MB Unterstützte MIME-Typen: image/png, image/jpeg, image/webp, image/heic, image/heif
	Video	Standardauflösung: 768 × 768 Unterstützte MIME-Typen: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Maximale Länge des Gesprächs: Standardmäßig 10 Minuten, die verlängert werden können. Erforderliches Audioeingabeformat: Rohe 16-Bit-PCM-Audiodaten mit 16 kHz, Little Endian Erforderliches Audioausgabeformat: Rohes 16‑Bit-PCM-Audio bei 24 kHz, Little Endian Unterstützte MIME-Typen: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Parameterstandardwerte	Empfindlichkeit zum Erkennen des Redebeginns: niedrig Empfindlichkeit zum Erkennen des Redeendes: Hoch Vorangehender Abstand: 0 Maximale Kontextgröße: 128.000
Unterstützte Regionen	Modellverfügbarkeit	USA: us-central1, us-east1, us-east4, us-east5, us-south1, us-west1, us-west4 Europa: europe-central2, europe-north1, europe-southwest1, europe-west1, europe-west4, europe-west8
Versionen	gemini-live-2.5-flash-native-audio Einführungsphase: GA Veröffentlichungsdatum: 12. Dezember 2025 Ausmusterungsdatum^†: 13. Dezember 2026
Sicherheitskontrollen	Onlinevorhersage	Datenstandort CMEK VPC-SC AXT
	Weitere Informationen finden Sie unter Sicherheitskontrollen.

^† Die aufgeführten Ausmusterungsdaten beziehen sich auf die Einstellung der Unterstützung in der Gemini Enterprise Agent Platform. Modelle sind möglicherweise auch nach diesen Datumsangaben über die Gemini API verfügbar. Die Gemini API ist kein Google Cloud Angebot und unterliegt eigenen Nutzungsbedingungen. Weitere Informationen finden Sie in der Gemini API-Dokumentation.