Gemini 2.5 Flash con la API de Gemini Live

Gemini 2.5 Flash con audio nativo de la API de Gemini Live incluye nuestra innovadora funcionalidad de audio nativo para la API de Gemini Live. Además de las funciones estándar de la API de Gemini Live, este modelo incluye lo siguiente:

• Calidad de audio mejorada: Experimenta una calidad de audio mejorada de forma drástica que se siente como hablar con una persona.
• Calidad y adaptabilidad de voz mejoradas: El audio nativo de la API de Gemini Live proporciona interacciones de voz más enriquecidas y naturales con 30 voces en HD en 24 idiomas.
• Presentamos el audio proactivo: (versión preliminar) Cuando se habilita el audio proactivo, el modelo solo responde cuando es pertinente. El modelo genera transcripciones de texto y respuestas de audio de forma proactiva solo para las consultas dirigidas al dispositivo y no responde a las consultas que no están dirigidas al dispositivo.
• Presentamos el diálogo afectivo: Los modelos que usan audio nativo de la API de Gemini Live pueden comprender y responder de forma adecuada a las expresiones emocionales de los usuarios para tener conversaciones más matizadas.
• Interrupción mejorada: Interrumpe a Gemini de forma más natural y confiable, incluso en entornos ruidosos.
• Llamada a función sólida: Mejoramos la tasa de activación, lo que permite que Gemini ejecute correctamente las funciones que defines para admitir tus casos de uso.
• Transcripción precisa: Se mejoró significativamente la precisión de la transcripción de audio a texto. Para obtener resultados aún mejores, puedes proporcionar sugerencias de idioma para guiar el modelo hacia el idioma correcto. Para obtener más información, consulta Habilita la transcripción de audio para la sesión.
• Compatibilidad multilingüe sin interrupciones: Habla con Gemini en varios idiomas, y cambiará entre ellos sin esfuerzo y sin ninguna configuración previa. El idioma ya no es una barrera.

Para obtener más información sobre la API de Gemini Live, consulta lo siguiente:

• Nuestra documentación independiente de la API de Gemini Live
• Nuestros formatos de audio compatibles con la API de Gemini Live
• Nuestros límites de sesiones simultáneas de la API de Gemini Live

Probar en Agent Studio Precios

ID de modelo	gemini-live-2.5-flash-native-audio
Modalidades	description Texto Entrada y salida photo Imagen Solo entrada mic Audio Entrada y salida videocam Video Solo entrada
Límites de tokens	Ventana de contexto	128K
	Cantidad máxima de tokens de salida	64K
Cantidad máxima de sesiones simultáneas	1000
Funciones	Pensamiento No admitido Instrucciones del sistema Compatible API de Gemini Live Compatible Salidas estructuradas No admitido Almacenamiento de contexto en caché No admitido Recuento de tokens No compatible RAG Engine No admitido Completitudes de chat No admitido Ajuste No admitido Contexto de URL No admitido Comprensión de video agentiva Función de versión preliminar No admitido
Herramientas	Fundamentación Búsqueda de Google Compatible Ejecución de código No admitido Llamada a función Compatible Uso de la computadora Función de versión preliminar No admitido
Opciones de consumo	Capacidad de procesamiento aprovisionada Compatible Inferencia por lotes No admitido Pay-as-you-go Pago por uso estándar Compatible Cuota fija No compatible
Especificaciones técnicas	Imagen	Cantidad máxima de imágenes por instrucción: 3,000 Tamaño máximo de archivo por archivo para datos intercalados o cargas directas a través de la consola: 7 MB Tamaño máximo de archivo por archivo de Google Cloud Storage: 30 MB Tipos MIME compatibles: image/png, image/jpeg, image/webp, image/heic, image/heif
	Video	Resolución estándar: 768 x 768 Tipos MIME compatibles: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Duración máxima de la conversación: 10 minutos predeterminados que se pueden extender. Formato de entrada de audio obligatorio: Audio PCM sin procesar de 16 bits a 16 kHz, little-endian Formato de salida de audio obligatorio: Audio PCM sin procesar de 16 bits a 24 kHz, little-endian Tipos MIME compatibles: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Valores predeterminados de los parámetros	Sensibilidad cuando comienza a escucharse una voz: Baja Sensibilidad cuando se deja de escuchar una voz: Alta Relleno de prefijo: 0 Tamaño máx. del contexto: 128K
Regiones admitidas	Disponibilidad del modelo	Estados Unidos: 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
Versiones	gemini-live-2.5-flash-native-audio Etapa de lanzamiento: GA Fecha de lanzamiento: 12 de diciembre de 2025 Fecha de baja: 13 de diciembre de 2026
Controles de seguridad	Predicción en línea	Residencia de los datos CMEK VPC-SC AXT
	Consulta Controles de seguridad para obtener más información.