Gemini 2.5 Flash Gemini Live API audio natif

Preview

Cette fonctionnalité est soumise(s) aux "Conditions des offres de pré-DG" de la section "Conditions générales du service" des Conditions spécifiques du service. Les fonctionnalités de pré-DG sont disponibles "en l'état" et peuvent avoir une prise en charge limitée. Pour en savoir plus, consultez les descriptions des étapes de lancement.

Gemini 2.5 Flash avec les fonctionnalités audio natives de l'API Gemini Live : notre fonctionnalité audio native de pointe pour l'API Gemini Live. En plus des fonctionnalités standards de l'API Gemini Live, ce modèle Preview inclut :

• Qualité audio améliorée : profitez d'une qualité audio considérablement améliorée qui donne l'impression de parler avec une personne.
• Qualité et adaptabilité vocales améliorées : l'audio natif de l'API Gemini Live offre des interactions vocales plus riches et plus naturelles avec 30 voix HD dans 24 langues.
• Découvrez l'audio proactif : Lorsque l'audio proactif est activé, le modèle ne répond que lorsque c'est pertinent. Le modèle génère des transcriptions textuelles et des réponses audio de manière proactive uniquement pour les requêtes adressées à l'appareil. Il ne répond pas aux requêtes non adressées à l'appareil.
• Présentation du dialogue affectif : les modèles utilisant l'audio natif de l'API Gemini Live peuvent comprendre les expressions émotionnelles des utilisateurs et y répondre de manière appropriée pour des conversations plus nuancées.
• Interruption améliorée : interrompez Gemini de manière plus naturelle et fiable, même dans des environnements bruyants.
• Appel de fonctions robuste : nous avons amélioré le taux de déclenchement, ce qui permet à Gemini d'exécuter correctement les fonctions que vous définissez pour répondre à vos cas d'utilisation.
• Transcription précise : la précision de la transcription audio en texte a été considérablement améliorée.
• Compatibilité multilingue fluide : parlez à Gemini dans plusieurs langues, et il passera de l'une à l'autre sans aucune préconfiguration. La langue n'est plus une barrière.

Pour en savoir plus sur l'API Gemini Live, consultez les ressources suivantes :

• Notre documentation autonome sur l'API Gemini Live.
• Nos formats audio compatibles avec l'API Gemini Live.
• Nos limites de sessions simultanées de l'API Gemini Live.

Essayer dans Vertex AI

ID du modèle	gemini-live-2.5-flash-preview-native-audio-09-2025
Entrées et sorties acceptées	Entrées : texte, images, audio, vidéo Sorties : texte, audio
Limites de jetons	Nombre maximal de jetons d'entrée : 128 000 Nombre maximal de jetons de sortie : 64 000 Fenêtre de contexte : 32 000 (par défaut), extensible à 128 000
Capacités	Disponible Ancrage avec la recherche Google Instructions système Appel de fonction API Gemini Live Non compatible Exécution de code Réglage Sortie structurée Raisonnement Mise en cache implicite du contexte Mise en cache explicite du contexte Moteur Vertex AI RAG Complétions de conversation
Types d'utilisation	Compatible Jusqu'à 1 000 sessions simultanées Débit provisionné Non compatible Quota partagé dynamique Prédiction par lot
Spécifications techniques
	Images	Nombre maximal d'images par prompt : 3 000 Taille maximale par fichier pour les données intégrées ou les importations directes à l'aide de la console : 7 Mo Taille maximale par fichier depuis Google Cloud Storage : 30 Mo Types MIME compatibles : image/png, image/jpeg, image/webp, image/heic, image/heif
	Vidéo	Résolution standard : 768 x 768 Types MIME compatibles : video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Durée maximale de la conversation : 10 minutes par défaut, extensibles. Format audio d'entrée requis : Audio PCM 16 bits brut à 16 kHz, little-endian Format de sortie audio requis : Audio PCM 16 bits brut à 24 kHz, little-endian Types MIME compatibles : audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Paramètres par défaut	Sensibilité du début du contenu vocal : faible Sensibilité de la fin du contenu vocal : élevée Préfixe de remplissage : 0 Taille maximale du contexte : 128 Ko
Régions où le service est disponible
	Disponibilité du modèle	États-Unis us-central1
	Pour en savoir plus, consultez Résidence des données.
Date limite des connaissances	Janvier 2025
Versions	gemini-live-2.5-flash-preview-native-audio-09-2025 Étape de lancement : version Preview publique Date de disponibilité : 18 septembre 2025 gemini-live-2.5-flash-preview-native-audio Étape de lancement : version Preview publique Date de disponibilité : 17 juin 2025 Date d'arrêt : 18 octobre 2025
Contrôles de sécurité
	Pour en savoir plus, consultez Contrôles de sécurité.
Langues disponibles	Consultez Langues acceptées.
Tarifs	Voir les tarifs