Gemini 2.5 Flash Gemini Live API native audio

Gemini 2.5 Flash con le funzionalità audio native dell'API Gemini Live offre funzionalità audio native all'avanguardia per l'API Gemini Live. Oltre alle funzionalità standard dell'API Gemini Live, questo modello di anteprima include:

  • Qualità audio migliorata:goditi una qualità audio notevolmente migliorata che ti farà sentire come se stessi parlando con una persona.
  • Qualità e adattabilità della voce migliorate:l'API Gemini Live offre un audio nativo che consente interazioni vocali più ricche e naturali con 30 voci HD in 24 lingue.
  • Ti presentiamo Audio Proattivo: Quando Audio Proattivo è attivo, 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.
  • Ti presentiamo Affective Dialog: 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 funzioni affidabile: 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 dell'audio in testo è stata notevolmente migliorata.
  • Supporto multilingue senza interruzioni: parla con Gemini in più lingue e passerà da una all'altra senza problemi e senza alcuna preconfigurazione. La lingua non è più un ostacolo.

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

Prova in Vertex AI

ID modello gemini-live-2.5-flash-preview-native-audio-09-2025
Ingressi e uscite supportati
  • Input:
    Testo, Immagini, Audio, Video
  • Output:
    Text, Audio
Limiti di token
  • Token di input massimi: 128.000
  • Numero massimo di token di output: 64.000
  • Finestra contestuale: 32.000 (impostazione predefinita), aggiornabile a 128.000
Funzionalità
Tipi di utilizzo
Specifiche tecniche
Immagini
  • Numero massimo di immagini per prompt: 3000
  • Dimensioni massime per file per i dati in linea o i caricamenti diretti tramite la console: 7 MB
  • Dimensione massima del file per file da 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: Valore predefinito di 10 minuti che può essere esteso.
  • Formato di input audio obbligatorio: Audio PCM non elaborato a 16 bit 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: 128.000
Aree geografiche supportate

Disponibilità del modello
  • Stati Uniti
    • us-central1
Per saperne di più, consulta Residenza dei dati.
Data del knowledge cutoff Gennaio 2025
Versioni
  • gemini-live-2.5-flash-preview-native-audio-09-2025
    • Fase di lancio: anteprima pubblica
    • Data di rilascio: 18 settembre 2025
  • gemini-live-2.5-flash-preview-native-audio
    • Fase di lancio: anteprima pubblica
    • Data di rilascio: 17 giugno 2025
    • Data di ritiro: 18 ottobre 2025
Controlli di sicurezza
Per ulteriori informazioni, consulta Controlli di sicurezza.
Lingue supportate Consulta la sezione Lingue supportate.
Prezzi Vedi Prezzi.