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 Folgendes:

• Verbesserte Audioqualität: Die Audioqualität wurde erheblich verbessert, sodass es sich anfühlt, als würde man mit einer Person sprechen.
• Verbesserte Sprachqualität und Anpassungsfähigkeit: Die native Audiofunktion der Gemini Live API ermöglicht umfassendere, natürlichere Sprachinteraktionen mit 30 HD-Stimmen in 24 Sprachen.
• Einführung von Proaktive Audioeingabe: (Vorabversion) Wenn die proaktive Audioeingabe aktiviert ist, antwortet das Modell nur, wenn es relevant ist. Das Modell generiert Texttranskripte und Audioantworten proaktiv nur für Anfragen, die an das Gerät gerichtet sind, und reagiert nicht auf Anfragen, die nicht an das Gerät gerichtet sind.
• Einführung von empathischem Dialog: Modelle, die die native Audiofunktion der Gemini Live API verwenden, können die emotionalen Äußerungen von Nutzern verstehen und angemessen darauf reagieren, um differenziertere Unterhaltungen zu ermöglichen.
• Verbessertes Unterbrechen:Gemini lässt sich jetzt natürlicher und zuverlässiger unterbrechen, auch in lauten Umgebungen.
• Robuste Funktionsaufrufe: Wir haben die Auslöserate verbessert, sodass Gemini die von Ihnen definierten Funktionen erfolgreich ausführen kann, um Ihre Anwendungsfälle zu unterstützen.
• Genaue Transkription: Die Genauigkeit der Audio-zu-Text-Transkription wurde erheblich verbessert. Noch bessere Ergebnisse erzielen Sie, wenn Sie dem Modell Sprachhinweise geben, um es zur richtigen Sprache zu führen. Weitere Informationen finden Sie unter Audiotranskription für die Sitzung aktivieren.
• Nahtlose mehrsprachige Unterstützung:Sie können mit Gemini in mehreren Sprachen sprechen und Gemini wechselt mühelos zwischen ihnen, ohne dass Sie etwas konfigurieren müssen. Sprache ist kein Hindernis mehr.

Weitere Informationen zur Gemini Live API finden Sie hier:

• Eigenständige Gemini Live API-Dokumentation
• Von der Gemini Live API unterstützte Audioformate
• Limits für gleichzeitige Sitzungen mit der Gemini Live API

In Agent Studio ausprobieren Preise

Modell-ID	gemini-live-2.5-flash-native-audio
Betriebsarten	description Text Eingabe und Ausgabe photo Bild Nur Eingabe mic Audio Eingabe und Ausgabe videocam Video Nur Eingabe
Tokenlimits	Verlaufszeitraum	128K
	Maximale Ausgabetokens	64.000
Maximale Anzahl gleichzeitiger Sitzungen	1000
Leistungsspektrum	Thinking Nicht unterstützt Systemanweisungen Unterstützt Strukturierte Ausgabe Nicht unterstützt Kontext-Caching Nicht unterstützt RAG Engine Nicht unterstützt Abstimmung Nicht unterstützt Agentisches Video-Understanding Nicht unterstützt
Tools	Fundierung Google Suche Unterstützt Code-Ausführung Nicht unterstützt Funktionsaufrufe Unterstützt URL-Kontext Nicht unterstützt Computernutzung 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 Gesprächslänge: Standardmäßig 10 Minuten, kann aber verlängert werden. Erforderliches Audioeingabeformat: Unverarbeitetes 16-Bit-PCM-Audio mit 16 kHz, Little Endian Erforderliches Audioausgabeformat: Unformatierte 16-Bit-PCM-Audiodaten mit 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
	Parameter-Standardwerte	Empfindlichkeit zum Erkennen des Redebeginns: Niedrig Empfindlichkeit zum Erkennen des Redeendes: Hoch Vorangehender Abstand: 0 Max. 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 angegebenen Ausmusterungsdaten beziehen sich auf die Einstellung des Supports in der Gemini Enterprise Agent Platform. Modelle können auch nach diesen Terminen über die Gemini API zugänglich bleiben. Die Gemini API ist kein Angebot von Google Cloud und unterliegt eigenen Nutzungsbedingungen. Weitere Informationen finden Sie in der Gemini API-Dokumentation.