Gemini 2.5 Flash avec l'API Gemini Live

Gemini 2.5 Flash avec les fonctionnalités audio natives de l'API Gemini Live offre notre fonctionnalité audio native de pointe pour l'API Gemini Live. En plus des fonctionnalités standards de l'API Gemini Live, ce modèle inclut les éléments suivants :

• Qualité audio améliorée : profitez d'une qualité audio considérablement améliorée, qui vous donne l'impression de parler à une personne.
• Qualité et adaptabilité vocales améliorées : l'audio natif de l'API Gemini Live offre des interactions vocales plus riches et plus naturelles avec 30 voix HD dans 24 langues.
• Présentation de l'audio proactif: (preview) Lorsque l'audio proactif est activé, le modèle ne répond que lorsque cela est pertinent. Le modèle génère des transcriptions textuelles et des réponses audio de manière proactive uniquement pour les requêtes adressées à l’appareil, et ne répond pas aux requêtes non adressées à l’appareil.
• Présentation du dialogue affectif : les modèles utilisant l'audio natif de l'API Gemini Live peuvent comprendre les expressions émotionnelles des utilisateurs et y répondre de manière appropriée pour des conversations plus nuancées.
• Interruption améliorée : interrompez Gemini de manière plus naturelle et fiable, même dans des environnements bruyants.
• Appel de fonction robuste : nous avons amélioré le taux de déclenchement, ce qui permet à Gemini d'exécuter correctement les fonctions que vous définissez pour prendre en charge vos cas d'utilisation.
• Transcription précise : la précision de la transcription de l'audio en texte a été considérablement améliorée. Pour obtenir des résultats encore meilleurs, vous pouvez fournir des indications de langue pour guider le modèle vers la langue appropriée. Pour en savoir plus, consultez Activer la transcription audio pour la session.
• Compatibilité multilingue fluide : parlez à Gemini dans plusieurs langues, et il passera facilement de l'une à l'autre sans aucune préconfiguration. La langue n'est plus un obstacle.

Pour en savoir plus sur l'API Gemini Live, consultez les ressources suivantes :

• Notre documentation autonome sur l'API Gemini Live.
• Les formats audio compatibles avec notre API Gemini Live.
• Les limites de sessions simultanées de notre API Gemini Live.

Essayer dans Agent Studio Afficher les tarifs

ID du modèle	gemini-live-2.5-flash-native-audio
Modalités	description Text Input and output photo Image Input only mic Audio Input and output videocam Video Input only
Limites de jetons	Fenêtre de contexte	128K
	Nombre maximal de jetons de sortie	64K
Nombre maximal de sessions simultanées	1000
Capacités	Raisonnement Non disponible Instructions système Disponible API Gemini Live Disponible Sortie structurée Non disponible Mise en cache du contexte Non disponible Comptage des jetons Non disponible Moteur RAG Non disponible Complétions de conversation Non disponible Réglage Non disponible Contexte d'URL Non disponible
Outils	Ancrage Recherche Google Disponible Exécution de code Non disponible Appel de fonction Disponible Aperçu de l'utilisation de l'ordinateur Fonctionnalité en preview Non disponible
Options de consommation	Débit provisionné Disponible Inférence par lot Non disponible Pay-as-you-go Paiement à l'usage standard Disponible Quota fixe Non disponible
Spécifications techniques	Image	Nombre maximal d'images par prompt : 3 000 Taille maximale par fichier pour les données intégrées ou les importations directes à l'aide de la console : 7 Mo Taille maximale par fichier depuis Google Cloud Storage: 30 Mo Types MIME compatibles : image/png, image/jpeg, image/webp, image/heic, image/heif
	Vidéo	Résolution standard: 768 x 768 Types MIME compatibles : video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Durée maximale de la conversation : 10 minutes par défaut, mais peut être prolongée. Format d'entrée audio requis : audio PCM 16 bits brut à 16 kHz, little-endian Format de sortie audio requis : audio PCM 16 bits brut à 24 kHz, little-endian Types 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
	Paramètres par défaut	Sensibilité du début du contenu vocal : faible Sensibilité de la fin du contenu vocal : élevée Préfixe de remplissage : 0 Taille maximale du contexte : 128 K
Régions où le service est disponible	Disponibilité du modèle	États-Unis : us-central1, us-east1, us-east4, us-east5, us-south1, us-west1, us-west4 Europe: europe-central2, europe-north1, europe-southwest1, europe-west1, europe-west4, europe-west8
Versions	gemini-live-2.5-flash-native-audio Étape de lancement : GA Date de sortie : 12 décembre 2025 Date de retrait : 13 décembre 2026
Contrôles de sécurité	Prédiction en ligne	Résidence des données CMEK VPC-SC AXT
	Pour en savoir plus, consultez Contrôles de sécurité.