Es posible que parte de la información de esta página (o toda) no se aplique a Cloud de Confiance de S3NS. Consulta Diferencias con Google Cloud para obtener más información.

Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Gemini 2.5 Flash con la API de Gemini Live

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

Calidad de audio mejorada: Disfruta de una calidad de audio significativamente mejorada que se siente como hablar con una persona.
Calidad de voz y adaptabilidad mejoradas: El audio nativo de la API de Gemini Live proporciona interacciones de voz más ricas y naturales con 30 voces en HD en 24 idiomas.
Presentamos Proactive Audio: (versión preliminar) Cuando Proactive Audio 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 el diálogo basado en emociones detectadas: Los modelos que usan el audio nativo de la API de Gemini Live pueden comprender y responder de forma adecuada a las expresiones emocionales de los usuarios para tener conversaciones con más matices.
Interrupción mejorada: Interrumpe a Gemini de forma más natural y confiable, incluso en entornos ruidosos.
Llamada a funciones sólida: Mejoramos la tasa de activación, lo que permite que Gemini ejecute correctamente las funciones que defines para respaldar tus casos de uso.
Transcripción precisa: Se mejoró significativamente la precisión de la transcripción de audio a texto. Para obtener resultados aún mejores, puedes proporcionar sugerencias de idioma para guiar al modelo hacia el idioma correcto. Para obtener más información, consulta Habilita la transcripción de audio para la sesión.
Compatibilidad multilingüe sin interrupciones: Habla con Gemini en varios idiomas y cambiará entre ellos sin problemas y sin ninguna configuración previa. El idioma ya no es una barrera.

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

Nuestra documentación independiente de la API de Gemini Live.
Nuestros formatos de audio compatibles con la API de Gemini Live.
Nuestros límites de sesiones simultáneas de la API de Gemini Live.

Probar en Agent Studio Precios

ID de modelo	`gemini-live-2.5-flash-native-audio`
Modalidades	Texto Entrada y salida Imagen Solo entrada Audio Entrada y salida Video Solo entrada
Límites de tokens	Ventana de contexto	128,000
Límites de tokens	Cantidad máxima de tokens de salida	64,000
Cantidad máxima de sesiones simultáneas	1000
Funciones	Pensamiento No compatible Instrucciones del sistema Admitido Resultados estructurados No compatible Caché de contexto No compatible RAG Engine No compatible Ajuste No compatible Comprensión de videos con agentes No compatible
Herramientas	Fundamentación Búsqueda de Google Compatible Ejecución de código No compatible Llamada a función Compatible Contexto de URL No compatible Uso de la computadora Función de versión preliminar No compatible
API	API de GenerateContent Compatible API de interacciones Función de versión preliminar No compatible API de Gemini Live Compatible API de Count Tokens No compatible API de Chat Completions No compatible
Opciones de consumo	Capacidad de procesamiento aprovisionada Admitido Inferencia por lotes No compatible Pay-as-you-go Pago por uso estándar Compatible Cuota fija No compatible
Especificaciones técnicas	Imagen	Cantidad máxima de imágenes por instrucción: 3,000 Tamaño máximo de archivo por archivo para datos intercalados o cargas directas a través de la consola: 7 MB Tamaño máximo de archivo por archivo de Google Cloud Storage: 30 MB Tipos de MIME compatibles: `image/png`, `image/jpeg`, `image/webp`, `image/heic`, `image/heif`
	Video	Resolución estándar: 768 × 768 Tipos de MIME compatibles: `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: De forma predeterminada, 10 minutos que se pueden extender. Formato de entrada de audio obligatorio: Audio PCM sin procesar 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 de 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`
	Valores predeterminados de los parámetros	Sensibilidad cuando comienza a escucharse una voz: baja Sensibilidad cuando se deja de escuchar una voz: Alta Relleno de prefijo: 0 Tamaño máx. del contexto: 128,000
Regiones admitidas	Disponibilidad de modelos	Estados Unidos: `us-central1`, `us-east1`, `us-east4`, `us-east5`, `us-south1`, `us-west1` y `us-west4` Europa: `europe-central2`, `europe-north1`, `europe-southwest1`, `europe-west1`, `europe-west4` y `europe-west8`
Versiones	`gemini-live-2.5-flash-native-audio` Etapa de lanzamiento: DG Fecha de lanzamiento: 12 de diciembre de 2025 Fecha de retiro^†: 13 de diciembre de 2026
Controles de seguridad	Predicción en línea	Residencia de los datos CMEK VPC-SC AXT
Controles de seguridad	Consulta Controles de seguridad para obtener más información.

^† Las fechas de retiro indicadas se refieren al retiro de la asistencia en Gemini Enterprise Agent Platform. Es posible que los modelos sigan siendo accesibles a través de la API de Gemini después de estas fechas. La API de Gemini no es una oferta de Cloud de Confiance by S3NS y está sujeta a sus propias condiciones del servicio. Para obtener más detalles, consulta la documentación de la API de Gemini.