Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.

Es un modelo de Google con generación de audio nativa: acepta texto, documentos e imágenes, responde con texto y verbaliza la respuesta. Es adecuado para asistentes de voz y escenarios de diálogo, locución de materiales, y trabajo con documentos e imágenes cuando se necesita una respuesta tanto en voz como en texto.

El modelo sintetiza el habla de forma nativa, dentro de la misma respuesta y no mediante un motor externo, por lo que la entonación se basa en el significado de la frase. El contexto es de 200 000 tokens, con un límite de salida de 32 000 tokens. Los códecs y la tasa de bits específicos no se especifican en nuestros datos, así que consulte la respuesta de la API.

Sí, el modelo cuenta con un modo de razonamiento: antes de responder, puede desglosar la tarea paso a paso. Esto es notable en la lógica, el análisis de documentos largos y los diálogos complejos donde es importante mantener el hilo de pensamiento. En frases cortas, el razonamiento apenas afecta la velocidad.

Sí, admite tanto la llamada a funciones como la salida estructurada en JSON. El modelo puede solicitar la herramienta necesaria y devolver datos según un esquema predefinido, por lo que es fácil integrarlo en bots de voz, pipelines y servicios que requieren una respuesta predecible legible por máquina.

Según nuestros datos, además de texto, se aceptan imágenes y documentos: puede enviar una captura de pantalla, un esquema, una fotografía o un archivo y obtener un análisis. La recepción de audio y video no está indicada en los datos, por lo que para tales escenarios, verifique la respuesta del modelo o elija un modelo especializado en el catálogo.

Los modelos de la serie Gemini tradicionalmente funcionan bien con el ruso, y esta variante está diseñada para diálogos multilingües. No hay evaluaciones formales por idioma en nuestros datos, así que pruébelo en su escenario: en BotHub está disponible sin VPN ni tarjeta extranjera, con pago en rublos.