Gemini 2.5 Flash と Gemini Live API のネイティブ音声機能は、Gemini Live API の最先端のネイティブ音声機能です。このモデルには、標準の Gemini Live API 機能に加えて、次の機能が含まれています。
- 音質の向上: 人と話しているかのような、劇的に向上した音質を体験できます。
- 音声品質と適応性の向上: Gemini Live API ネイティブ音声により、24 言語の 30 種類の HD 音声で、より豊かで自然な音声インタラクションを実現します。
- プロアクティブ音声の導入:（プレビュー） プロアクティブ音声が有効になっている場合、モデルは関連性がある場合にのみ応答します。モデルは、デバイス宛てのクエリに対してのみ、テキストの文字起こしと音声の回答をプロアクティブに生成します。デバイス宛て以外のクエリには応答しません。
- アフェクティブ ダイアログの導入: Gemini Live API ネイティブ音声を使用するモデルは、ユーザーの感情表現を理解して適切に応答し、より機微を捉えた会話を実現できます。
- 割り込みの改善: 騒がしい環境でも、より自然かつ確実に Gemini に割り込むことが可能です。
- 堅牢な関数呼び出し: トリガー率が改善され、Gemini がユースケースをサポートするために定義した関数を正常に実行できるようになりました。
- 正確な音声文字変換: 音声からテキストへの音声文字変換の精度が大幅に向上しました。より良い結果を得るには、言語ヒントを指定して、モデルが正しい言語を認識できるようにします。詳細については、セッションの音声文字変換を有効にするをご覧ください。
- シームレスな多言語サポート: Gemini に複数の言語で話しかけると、事前設定なしで言語を簡単に切り替えることができます。言語はもはや障壁ではありません。
Gemini Live API の詳細については、以下をご覧ください。
| モデル ID | gemini-live-2.5-flash-native-audio |
|
|---|---|---|
| モダリティ |
|
|
| トークンの上限 | コンテキスト ウィンドウ | 128K |
| 最大出力トークン | 64K | |
| 最大同時セッション数 | 1000 | |
| 機能 |
|
|
| ツール | ||
| 使用オプション |
|
|
| 技術仕様 | 画像 |
|
| 動画 |
|
|
| 音声 |
|
|
| パラメータのデフォルト |
|
|
| サポートされるリージョン |
|
|
| バージョン |
|
|
| セキュリティ管理 | オンライン予測 |
|
| 詳細については、セキュリティ管理をご覧ください。 | ||