Gemini 2.5 Flash com a API Gemini Live

O Gemini 2.5 Flash com áudio nativo da API Gemini Live apresenta 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 podem entender e responder adequadamente às expressões emocionais dos usuários para conversas mais sutis.
• Interrupção aprimorada: interrompa o Gemini de forma mais natural e confiável, mesmo em ambientes barulhentos.
• Chamadas de função robustas: melhoramos a taxa de acionamento, permitindo que o Gemini execute 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 idioma. 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 nenhuma configuração prévia. O idioma não é mais uma barreira.

Para mais informações sobre a API Gemini Live, consulte:

• Nossa documentação independente da API Gemini Live.
• Nossos formatos de áudio compatíveis com a API Gemini Live.
• Nossos limites de sessão simultânea 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
Número máximo de sessões simultâneas	1000
Recursos	Raciocínio Indisponível Instruções do sistema Compatível Saída estruturada Incompatível O armazenamento em cache de contexto Incompatível Mecanismo RAG Incompatível Ajuste Incompatível Contexto de URL Incompatível Entendimento de vídeo agêntico Incompatível
Ferramentas	Embasamento Pesquisa Google Compatível Execução de código Incompatível Chamadas de função Compatível Uso do computador Recurso em fase de pré-lançamento Incompatível
APIs	API GenerateContent Compatível API Interactions Recurso em fase de pré-lançamento Indisponível API Gemini Live Compatível API Count Tokens Incompatível API Chat Completions Incompatível
Opções de consumo	Capacidade de processamento provisionada Compatível Inferência em lote Incompatível Pay-as-you-go Pagamento por uso padrão Compatível Cota fixa Incompatível
Especificações técnicas	Imagem	Máximo de imagens por comando: 3.000 Tamanho máximo do arquivo por arquivo para dados inline ou uploads diretos pelo console: 7 MB Tamanho máximo do arquivo 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 compatíveis: 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 estendida. Formato de entrada de áudio necessário: áudio PCM bruto de 16 bits a 16 kHz, little-endian Formato de saída de áudio necessário: áudio PCM bruto de 16 bits a 24 kHz, little-endian Tipos MIME compatíveis: 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 com disponibilidade	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 permanecer acessíveis pela API Gemini após essas datas. A API Gemini não é uma Google Cloud oferta e está sujeita aos próprios Termos de Serviço. Para mais detalhes, consulte a documentação da API Gemini.