Gemini 2.5 Flash Native Audio Preview 12-2025
Red Neuronal
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto, audio
- Niveles de razonamiento
- bajo, medio, alto
- Funciones
- razonamiento, llamada a funciones
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Prompt de imagen
(por 1K tokens)
Cómo funciona Gemini 2.5 Flash Native Audio Preview 12-2025?
Preguntas frecuentes sobre Gemini 2.5 Flash Native Audio Preview 12-2025
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 Gemini con generación de audio nativa: acepta texto, imágenes y documentos, y responde con texto o voz. Es adecuado para escenarios de voz, doblaje de materiales, análisis de archivos y capturas de pantalla, así como para tareas que requieren razonamiento y llamadas a herramientas externas. El contexto es de 200 000 tokens.
Además de texto, el modelo genera audio: sintetiza voz a partir de su descripción textual. El límite de respuesta es de 32 000 tokens, por lo que se puede incluir material extenso en una sola solicitud. Los parámetros y formatos de salida específicos dependen de cómo acceda al modelo a través de la API de BotHub.
Sí, el razonamiento antes de responder está confirmado en este modelo. Primero procesa la tarea y luego entrega el resultado; esto es notable en preguntas de varios pasos, análisis de documentos y cadenas lógicas. En BotHub puede comparar inmediatamente su respuesta con otro modelo en la misma ventana.
Sí, se admiten tanto la llamada a funciones como la salida estructurada en JSON. El modelo decide por sí mismo cuándo recurrir a una herramienta externa y devuelve una respuesta según el esquema especificado. A través de la API de BotHub, compatible con OpenAI, solo necesita escribir la integración una vez y luego puede cambiar de modelo simplemente alternando.
El modelo acepta imágenes y documentos como entrada: envíe una captura de pantalla, una foto o un archivo y pida que analice el contenido. La recepción de audio y video no está confirmada en nuestros datos, por lo que lo más sencillo es probarlo con su propio material directamente en la interfaz de BotHub.
La familia Gemini de Google es conocida por su amplio soporte lingüístico, pero no tenemos datos sobre el idioma de los prompts y la salida específicamente para esta versión, por lo que no podemos prometer nada: envíe una solicitud típica y evalúelo usted mismo. El servicio BotHub en sí está en ruso, acepta pagos con tarjetas rusas y acceso desde la Federación Rusa sin VPN.