Gemini 2.5 Flash com a API Gemini Live

O Gemini 2.5 Flash com recursos de áudio nativo da API Gemini Live oferece nossa funcionalidade de áudio nativo de ponta para a API Gemini Live. Além dos recursos padrão da API Gemini Live, esse modelo inclui:

• Qualidade do áudio aprimorada:tenha uma qualidade do áudio muito melhor, como se estivesse falando com uma pessoa.
• Qualidade e adaptabilidade de voz aprimoradas:o áudio nativo da API Gemini Live oferece interações de voz mais ricas e naturais com 30 vozes em HD em 24 idiomas.
• Apresentamos o áudio proativo (prévia): quando o áudio proativo está ativado, o modelo só responde quando é relevante. O modelo gera transcrições de texto e respostas de áudio de forma proativa apenas para consultas direcionadas ao dispositivo e não responde a consultas não direcionadas ao dispositivo.
• Apresentamos o diálogo afetivo:os modelos que usam o áudio nativo da API Gemini Live conseguem entender e responder adequadamente às expressões emocionais dos usuários para conversas mais sutis.
• Melhoria da interrupção:interrompa o Gemini de forma mais natural e confiável, mesmo em ambientes barulhentos.
• Chamada de função robusta:melhoramos a taxa de acionamento, permitindo que o Gemini execute com sucesso as funções definidas para oferecer suporte aos seus casos de uso.
• Transcrição precisa:a precisão da transcrição de áudio para texto foi significativamente aprimorada. Para resultados ainda melhores, você pode fornecer dicas de idioma para orientar o modelo ao idioma correto. Para mais informações, consulte Ativar a transcrição de áudio para a sessão.
• Suporte multilíngue integrado:fale com o Gemini em vários idiomas, e ele vai alternar entre eles sem precisar de configuração prévia. O idioma não é mais uma barreira.

Para mais informações sobre a API Gemini Live, consulte:

• Nossa documentação da API Gemini Live independente.
• Nossos formatos de áudio compatíveis com a API Gemini Live.
• Nossos limites de sessões simultâneas da API Gemini Live.

Testar no Agent Studio Preços

ID do modelo	gemini-live-2.5-flash-native-audio
Modalidades	description Texto Entrada e saída photo Imagem Somente entrada mic Áudio Entrada e saída videocam Vídeo Somente entrada
Limites de tokens	Janela de contexto	128 mil
	Máximo de tokens de saída	64 mil
Máximo de sessões simultâneas	1000
Recursos	Raciocínio Indisponível Instruções do sistema Compatível Saída estruturada Não compatível Armazenamento em cache de contexto Não compatível Mecanismo RAG Não compatível Ajuste Não compatível Contexto do URL Indisponível Entendimento de vídeo com agentes Recurso em fase de pré-lançamento Não compatível
Ferramentas	Embasamento Pesquisa Google Compatível Execução de código Não compatível Chamadas de função Compatível Uso do computador Recurso em fase de pré-lançamento Não compatível
APIs	API GenerateContent Compatível API Interactions Recurso em fase de pré-lançamento Não compatível API Gemini Live Compatível API Count Tokens Não compatível API Chat Completions Não compatível
Opções de consumo	Capacidade de processamento provisionada Compatível Inferência em lote Não compatível Pay-as-you-go Pagamento por uso padrão Compatível Cota fixa Indisponível
Especificações técnicas	Imagem	Máximo de imagens por comando: 3.000 Tamanho máximo por arquivo para dados inline ou uploads diretos pelo console: 7 MB Tamanho máximo por arquivo do Google Cloud Storage: 30 MB Tipos MIME compatíveis: image/png, image/jpeg, image/webp, image/heic, image/heif
	Vídeo	Resolução padrão: 768 x 768 Tipos MIME aceitos: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Áudio	Duração máxima da conversa: Padrão de 10 minutos, que pode ser estendido. Formato de entrada de áudio obrigatório: Áudio PCM bruto de 16 bits a 16 kHz, little-endian Formato de saída de áudio obrigatório: Áudio PCM bruto de 16 bits a 24 kHz, little-endian Tipos MIME aceitos: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Padrões de parâmetros	Sensibilidade ao início da fala: baixa Sensibilidade ao fim da fala: alta Preenchimento de prefixo: 0 Tamanho máximo do contexto: 128 mil
Regiões compatíveis	Disponibilidade do 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
Versões	gemini-live-2.5-flash-native-audio Etapa de lançamento: GA Data de lançamento: 12 de dezembro de 2025 Data de desativação^†: 13 de dezembro de 2026
Controles de segurança	Previsão on-line	Residência de dados CMEK VPC-SC AXT
	Consulte Controles de segurança para mais informações.

^† As datas de desativação listadas se referem à desativação do suporte na Gemini Enterprise Agent Platform. Os modelos podem continuar acessíveis pela API Gemini após essas datas. A API Gemini não é uma oferta do Google Cloud e está sujeita aos próprios Termos de Serviço. Para mais detalhes, consulte a documentação da API Gemini.