Gemini 2.5 Flash mit Gemini Live API

Gemini 2.5 Flash mit nativen Audiofunktionen der Gemini Live API bietet unsere innovative native Audiofunktion für die Gemini Live API. Zusätzlich zu den Standardfunktionen der Gemini Live API bietet dieses Modell:

• Bessere Audioqualität:Die Audioqualität wurde deutlich verbessert und klingt jetzt so, als würden Sie mit einer echten Person sprechen.
• Verbesserte Sprachqualität und Anpassungsfähigkeit:Die Gemini Live API bietet mit 30 HD-Stimmen in 24 Sprachen natürlichere Sprachinteraktionen.
• Proaktives Audio (Vorabversion) Wenn „Proaktives Audio“ aktiviert ist, reagiert das Modell nur, wenn es relevant ist. Das Modell generiert proaktiv nur für Anfragen, die an das Gerät gerichtet sind, Texttranskripte und Audioantworten und reagiert nicht auf Anfragen, die nicht an das Gerät gerichtet sind.
• Affektiver Dialog:Modelle, die die native Audiofunktion der Gemini Live API verwenden, können die emotionalen Äußerungen von Nutzern verstehen und angemessen darauf reagieren, um nuanciertere Unterhaltungen zu ermöglichen.
• Verbesserte Unterbrechungsfunktion:Sie können Gemini jetzt natürlicher und zuverlässiger unterbrechen, auch in lauten Umgebungen.
• Robuste Funktionsaufrufe:Wir haben die Auslöserate verbessert, sodass Gemini die von Ihnen definierten Funktionen zur Unterstützung Ihrer Anwendungsfälle erfolgreich ausführen kann.
• Genaue Transkription:Die Genauigkeit der Audio-zu-Text-Transkription wurde deutlich verbessert.
• Nahtlose mehrsprachige Unterstützung:Sie können mit Gemini in mehreren Sprachen sprechen und Gemini wechselt mühelos zwischen den Sprachen, ohne dass eine Vorkonfiguration erforderlich ist. Sprache ist kein Hindernis mehr.

Weitere Informationen zur Gemini Live API finden Sie hier:

• Eigenständige Dokumentation zur Gemini Live API
• Von der Gemini Live API unterstützte Audioformate
• Gleichzeitige Sitzungen mit der Gemini Live API

Live 2.5 Flash Native Audio

In Vertex AI ausprobieren

Modell-ID	gemini-live-2.5-flash-native-audio
Unterstützte Ein- und Ausgaben	Eingaben: Text, Bilder, Audio, Video Ausgaben: Text, Audio
Token limits	Maximale Anzahl der Eingabetokens: 32.000 (Standard), kann auf 128.000 erhöht werden Maximale Ausgabetokens: 64.000
Leistungsspektrum	Unterstützt Fundierung mit der Google Suche Systemanweisungen Funktionsaufrufe Gemini Live API Nicht unterstützt Codeausführung Tuning Strukturierte Ausgabe Denken Implizites Kontext-Caching Explizites Kontext-Caching Vertex AI RAG Engine Chat-Vervollständigungen
Nutzungstypen	Unterstützt Bis zu 1.000 gleichzeitige Sitzungen Nicht unterstützt Bereitgestellter Durchsatz Dynamisches freigegebenes Kontingent Batchvorhersage
Technische Spezifikationen
	Bilder	Maximale Anzahl von Bildern pro Prompt: 3.000 Maximale Dateigröße pro Datei für Inline-Daten oder direkte Uploads über die Console: 7 MB Maximale Dateigröße pro Datei aus Google Cloud Storage: 30 MB Unterstützte MIME-Typen: image/png, image/jpeg, image/webp, image/heic, image/heif
	Video	Standardauflösung: 768 × 768 Unterstützte MIME-Typen: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Maximale Länge des Gesprächs: Standardmäßig 10 Minuten, die verlängert werden können. Erforderliches Audioeingabeformat: Rohes 16-Bit-PCM-Audio mit 16 kHz, Little Endian Erforderliches Audioausgabeformat: Rohes 16‑Bit-PCM-Audio mit 24 kHz, Little Endian Unterstützte MIME-Typen: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Parameter-Standardwerte	Empfindlichkeit zum Erkennen des Redebeginns: niedrig Empfindlichkeit zum Erkennen des Redeendes: Hoch Vorangehender Abstand: 0 Maximale Kontextgröße: 128.000
Unterstützte Regionen
	Modellverfügbarkeit	USA 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
	Weitere Informationen finden Sie unter Bereitstellungen und Endpunkte.
Versionen	gemini-live-2.5-flash-native-audio Markteinführungsphase: GA Veröffentlichungsdatum: 12. Dezember 2025 Datum der Außerbetriebnahme: 13. Dezember 2026
Sicherheitskontrollen
	Onlinevorhersage	Datenstandort (im Ruhezustand) Unterstützt Kundenverwaltete Verschlüsselungsschlüssel (CMEK) Nicht unterstützt VPC Service Controls Unterstützt Access Transparency (AXT) Wird unterstützt
	Weitere Informationen finden Sie unter Sicherheitskontrollen.
Unterstützte Sprachen	Unterstützte Sprachen
Preise	Weitere Informationen finden Sie unter Preise.

Live 2.5 Flash Native Audio Preview

Vorschau

Diese Funktion unterliegt den Bedingungen für Pre‑GA-Angebote im Abschnitt „Allgemeine Dienstbedingungen“ der dienstspezifischen Nutzungsbedingungen. Pre-GA-Funktionen stehen in der vorliegenden Form zur Verfügung und bieten möglicherweise nur eingeschränkten Support. Weitere Informationen finden Sie in den Beschreibungen der Produkteinführungsphasen.

In Vertex AI ausprobieren

Modell-ID	gemini-live-2.5-flash-preview-native-audio-09-2025
Unterstützte Ein- und Ausgaben	Eingaben: Text, Bilder, Audio, Video Ausgaben: Text, Audio
Token limits	Maximale Eingabetokens: 128.000 Maximale Ausgabetokens: 64.000 Kontextfenster: 32.000 Tokens (Standard), kann auf 128.000 Tokens aktualisiert werden
Leistungsspektrum	Unterstützt Fundierung mit der Google Suche Systemanweisungen Funktionsaufrufe Gemini Live API Nicht unterstützt Codeausführung Tuning Strukturierte Ausgabe Denken Implizites Kontext-Caching Explizites Kontext-Caching Vertex AI RAG Engine Chat-Vervollständigungen
Nutzungstypen	Unterstützt Bis zu 1.000 gleichzeitige Sitzungen Bereitgestellter Durchsatz Nicht unterstützt Dynamisches freigegebenes Kontingent Batchvorhersage
Technische Spezifikationen
	Bilder	Maximale Anzahl von Bildern pro Prompt: 3.000 Maximale Dateigröße pro Datei für Inline-Daten oder direkte Uploads über die Console: 7 MB Maximale Dateigröße pro Datei aus Google Cloud Storage: 30 MB Unterstützte MIME-Typen: image/png, image/jpeg, image/webp, image/heic, image/heif
	Video	Standardauflösung: 768 × 768 Unterstützte MIME-Typen: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Maximale Länge des Gesprächs: Standardmäßig 10 Minuten, die verlängert werden können. Erforderliches Audioeingabeformat: Rohes 16-Bit-PCM-Audio mit 16 kHz, Little Endian Erforderliches Audioausgabeformat: Rohes 16‑Bit-PCM-Audio mit 24 kHz, Little Endian Unterstützte MIME-Typen: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Parameter-Standardwerte	Empfindlichkeit zum Erkennen des Redebeginns: niedrig Empfindlichkeit zum Erkennen des Redeendes: Hoch Vorangehender Abstand: 0 Maximale Kontextgröße: 128.000
Unterstützte Regionen
	Modellverfügbarkeit	USA us-central1
	Weitere Informationen finden Sie unter Bereitstellungen und Endpunkte.
Wissensstichtag	August 2025
Versionen	gemini-live-2.5-flash-preview-native-audio-09-2025 Startphase: Öffentliche Vorschau Veröffentlichungsdatum: 25. September 2025
Sicherheitskontrollen
	Weitere Informationen finden Sie unter Sicherheitskontrollen.
Unterstützte Sprachen	Unterstützte Sprachen
Preise	Weitere Informationen finden Sie unter Preise.