Gemini 2.5 Flash Gemini Live API native audio

Vista previa

Esta función está sujeta a los "Términos de las Ofertas de Acceso Previo a la Disponibilidad General" de la sección Términos Generales de los Servicios de los Términos Específicos de los Servicios. Las funciones previas a la disponibilidad general están disponibles tal cual y pueden tener una compatibilidad y asistencia limitadas. Para obtener más información, consulta las descripciones de las fases de lanzamiento.

Gemini 2.5 Flash con las funciones de audio nativas de la API Gemini Live ofrece nuestra funcionalidad de audio nativa de vanguardia para la API Gemini Live. Además de las funciones estándar de la API Gemini Live, este modelo de vista previa incluye lo siguiente:

• Calidad de audio mejorada: disfruta de una calidad de audio significativamente mejorada que te hará sentir como si estuvieras hablando con una persona.
• Calidad de voz y adaptabilidad mejoradas: el audio nativo de la API Gemini Live ofrece interacciones de voz más ricas y naturales con 30 voces en HD en 24 idiomas.
• Presentamos Audio proactivo: Cuando Audio proactivo está habilitado, el modelo solo responde cuando es pertinente. El modelo genera transcripciones de texto y respuestas de audio de forma proactiva solo para las consultas dirigidas al dispositivo y no responde a las consultas que no se dirigen al dispositivo.
• Presentamos Affective Dialog: los modelos que usan el audio nativo de la API Gemini Live pueden entender y responder adecuadamente a las expresiones emocionales de los usuarios para mantener conversaciones más matizadas.
• Interrupción mejorada: interrumpe a Gemini de forma más natural y fiable, incluso en entornos ruidosos.
• Llamadas a funciones sólidas: hemos mejorado la tasa de activación, lo que permite a Gemini ejecutar correctamente las funciones que definas para dar respuesta a tus casos prácticos.
• Transcripción precisa: la precisión de la transcripción de audio a texto se ha mejorado significativamente.
• Compatibilidad multilingüe fluida: habla con Gemini en varios idiomas y cambiará de uno a otro sin esfuerzo y sin necesidad de preconfiguración. El idioma ya no es un obstáculo.

Para obtener más información sobre la API Gemini Live, consulta los siguientes recursos:

• Nuestra documentación independiente de la API Gemini Live.
• Los formatos de audio admitidos por la API Gemini Live.
• Nuestros límites de sesiones simultáneas de la API de Gemini Live.

Probar en Vertex AI

ID del modelo	gemini-live-2.5-flash-preview-native-audio-09-2025
Entradas y salidas admitidas	Entradas: Texto, Imágenes, Audio, Vídeo Salidas: Texto Audio
Límites de tokens	Número máximo de tokens de entrada: 128.000 Tokens de salida máximos: 64.000 Ventana de contexto: 32.000 tokens (valor predeterminado), ampliable a 128.000 tokens
Funciones	Compatible Fundamentación con la Búsqueda de Google Instrucciones del sistema Llamadas a funciones API Gemini Live No compatible Ejecución de código Ajustes Salida estructurada Pensando Almacenamiento en caché de contexto implícito Almacenamiento en caché de contexto explícito Vertex AI RAG Engine Completaciones de chat
Tipos de uso	Compatible Hasta 1000 sesiones simultáneas Capacidad de procesamiento aprovisionada No compatible Cuota compartida dinámica Predicción por lotes
Especificaciones técnicas
	Imágenes	Número máximo de imágenes por petición: 3000 Tamaño máximo de archivo por archivo para datos insertados o subidas directas a través de la consola: 7 MB Tamaño máximo de archivo por archivo de Google Cloud Storage: 30 MB Tipos MIME admitidos: image/png, image/jpeg, image/webp, image/heic, image/heif
	Vídeo	Resolución estándar: 768x768 Tipos MIME admitidos: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp
	Audio	Duración máxima de la conversación: 10 minutos de forma predeterminada, pero se puede ampliar. Formato de entrada de audio necesario: Audio PCM sin formato de 16 bits a 16 kHz, little-endian Formato de salida de audio obligatorio: Audio PCM sin procesar de 16 bits a 24 kHz, little-endian Tipos MIME admitidos: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm
	Valores predeterminados de los parámetros	Sensibilidad al inicio de la voz: baja Sensibilidad de fin de frase: alta Espacio de relleno del prefijo: 0 Tamaño máximo del contexto: 128 K
Regiones disponibles
	Disponibilidad del modelo	Estados Unidos us-central1
	Consulta más información sobre la residencia de los datos.
Fecha de corte de conocimiento	Enero del 2025
Versiones	gemini-live-2.5-flash-preview-native-audio-09-2025 Fase de lanzamiento: vista previa pública Fecha de lanzamiento: 18 de septiembre del 2025 gemini-live-2.5-flash-preview-native-audio Fase de lanzamiento: vista previa pública Fecha de lanzamiento: 17 de junio del 2025 Fecha de discontinuación: 18 de octubre del 2025
Controles de seguridad
	Para obtener más información, consulta Controles de seguridad.
Idiomas disponibles	Consulta los idiomas admitidos.
Precios	Consulta Precios.