Gemini 2.5 Flash con l'API Gemini Live

Gemini 2.5 Flash con le funzionalità audio native dell'API Gemini Live è la nostra funzionalità audio nativa all'avanguardia per l'API Gemini Live. Oltre alle funzionalità standard dell'API Gemini Live, questo modello include:

• Qualità audio migliorata: un'esperienza di qualità audio notevolmente migliorata che sembra di parlare con una persona.
• Qualità e adattabilità vocale migliorate: l'audio nativo dell'API Gemini Live offre interazioni vocali più ricche e naturali con 30 voci HD in 24 lingue.
• Introduzione all'audio proattivo: (anteprima) quando l'audio proattivo è attivato, il modello risponde solo quando è pertinente. Il modello genera trascrizioni di testo e risposte audio in modo proattivo solo per le query indirizzate al dispositivo e non risponde alle query non indirizzate al dispositivo.
• Introduzione al dialogo empatico: i modelli che utilizzano l'audio nativo dell'API Gemini Live possono comprendere e rispondere in modo appropriato alle espressioni emotive degli utenti per conversazioni più sfumate.
• Interruzione migliorata: interrompi Gemini in modo più naturale e affidabile, anche in ambienti rumorosi.
• Chiamata di funzione robusta: abbiamo migliorato la frequenza di attivazione, consentendo a Gemini di eseguire correttamente le funzioni che definisci per supportare i tuoi casi d'uso.
• Trascrizione accurata: l'accuratezza della trascrizione da audio a testo è stata notevolmente migliorata. Per risultati ancora migliori, puoi fornire suggerimenti sulla lingua per indirizzare il modello verso la lingua corretta. Per saperne di più, consulta Attivare la trascrizione audio per la sessione.
• Supporto multilingue senza interruzioni: parla con Gemini in più lingue e passerà facilmente da una all'altra senza alcuna preconfigurazione. La lingua non è più un ostacolo.

Per saperne di più sull'API Gemini Live, consulta:

• La nostra documentazione autonoma dell'API Gemini Live.
• I formati audio supportati dall'API Gemini Live.
• I limiti delle sessioni simultanee dell'API Gemini Live.

Prova in Agent Studio Prezzi

ID modello	gemini-live-2.5-flash-native-audio
Modalità	description Text Input and output photo Image Input only mic Audio Input and output videocam Video Input only
Limiti di token	Finestra contestuale	128K
	Numero massimo di token di output	64K
Numero massimo di sessioni simultanee	1000
Funzionalità	Thinking Not supported System instructions Supported Structured output Not supported Context caching { RAG Engine Not supported Tuning Not supported URL context { Agentic video understanding Not supported
Strumenti	Grounding Google Search Supported Esecuzione di codice Non supportato Function calling Supported Uso del computer Funzionalità in anteprima Non supportato
API	GenerateContent API Supported API Interactions funzionalità in anteprima Non supportato Gemini Live API Supported Count Tokens API Not supported Chat Completions API Not supported
Opzioni di consumo	Provisioned Throughput Supported Batch inference Not supported Pay-as-you-go Standard PayGo Supported Fixed quota Not supported
Specifiche tecniche	Image	Numero massimo di immagini per prompt: 3000 Dimensioni massime del file per i dati in linea o i caricamenti diretti tramite la console: 7 MB Dimensioni massime del file per i file di Google Cloud Storage: 30 MB Tipi MIME supportati: image/png, image/jpeg, image/webp, image/heic, image/heif
	Video	Risoluzione standard: 768 x 768 Tipi MIME supportati: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Durata massima della conversazione: 10 minuti per impostazione predefinita, ma può essere estesa. Formato di input audio richiesto: audio PCM a 16 bit non elaborato a 16 kHz, little-endian Formato di output audio richiesto: audio PCM a 16 bit non elaborato a 24 kHz, little-endian Tipi MIME supportati: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Valori predefiniti dei parametri	Inizio della sensibilità vocale: bassa Fine della sensibilità vocale: alta Silenzio iniziale: 0 Dimensioni massime del contesto: 128K
Aree geografiche supportate	Disponibilità del modello	Stati Uniti: 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
Versioni	gemini-live-2.5-flash-native-audio Fase di avvio: GA Data di rilascio: 12 dicembre 2025 Data di ritiro^†: 13 dicembre 2026
Controlli di sicurezza	Previsione online	Residenza dei dati CMEK VPC-SC AXT
	Per saperne di più, consulta Controlli di sicurezza.

^† Le date di ritiro indicate si riferiscono al ritiro del supporto in Gemini Enterprise Agent Platform. I modelli potrebbero rimanere accessibili tramite l'API Gemini dopo queste date. L' API Gemini non è un' Google Cloud offerta e è soggetta ai propri Termini di servizio. Per ulteriori dettagli, consulta la documentazione dell'API Gemini.