gemini-live-2.5-flash-native-audio
Red Neuronal
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 65 536 tokens
- Longitud máxima de respuesta
- 32 000 tokens
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Prompt de imagen
(por 1K tokens)
Cómo funciona gemini-live-2.5-flash-native-audio?
Preguntas frecuentes sobre gemini-live-2.5-flash-native-audio
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 que acepta texto, imágenes y documentos, y responde con texto. Es adecuado para diálogos, análisis de archivos e imágenes, preparación de borradores, resúmenes y respuestas a preguntas sobre materiales. En BotHub está disponible sin VPN ni tarjeta extranjera, con pago mediante tarjetas rusas.
El límite de salida es de hasta 32,000 tokens por respuesta, lo cual es suficiente para un artículo extenso, un análisis detallado de un documento o un fragmento de código largo. La ventana de contexto es de 65,536 tokens, donde caben tanto su solicitud como los materiales adjuntos y la propia respuesta.
No se indica un modo de razonamiento separado en nuestros datos para este modelo. Sin embargo, puede pedirle que analice la tarea paso a paso directamente en el prompt, lo que a menudo mejora la calidad del análisis. Si necesita un razonamiento explícito, hay otros modelos disponibles en BotHub.
En nuestros datos no hay una marca sobre 'function calling' ni salida estructurada, por lo que no podemos garantizarlo. Lo más fácil es comprobarlo en la práctica: el acceso se realiza a través de la API de BotHub compatible con OpenAI, y puede cambiar a otro modelo sin reescribir la integración.
El modelo acepta texto, imágenes y documentos como entrada; puede adjuntar una captura de pantalla, una fotografía, un esquema, un PDF o un informe y pedir que analice el contenido. La recepción de audio y video no está marcada en nuestros datos. El modelo devuelve la respuesta en texto.
Los modelos de la familia Gemini fueron entrenados en corpus multilingües y funcionan de manera confiable con consultas y documentos en ruso. La mejor forma de evaluar la calidad es mediante sus propias tareas: en BotHub paga por uso de tokens, sin suscripción, por lo que una prueba corta supondrá un gasto mínimo.