Gemini 2.5 Flash Native Audio Preview 12-2025
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto, áudio
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(por 1K tokens)
Como funciona Gemini 2.5 Flash Native Audio Preview 12-2025?
Perguntas frequentes sobre Gemini 2.5 Flash Native Audio Preview 12-2025
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo Google Gemini com geração de áudio nativa: aceita texto, imagens e documentos, e responde com texto ou áudio. É adequado para cenários de voz, narração de materiais, análise de arquivos e capturas de tela, além de tarefas que exigem raciocínio e chamada de ferramentas externas. O contexto é de 200.000 tokens.
Além de texto, o modelo gera áudio — sintetiza fala a partir da sua descrição textual. O limite de resposta é de 32.000 tokens, permitindo processar material extenso em uma única solicitação. Os parâmetros e formatos de saída específicos dependem de como você acessa o modelo via API BotHub.
Sim, o raciocínio antes da resposta está confirmado neste modelo. Ele processa a tarefa primeiro e depois fornece o resultado — isso é perceptível em perguntas de várias etapas, análise de documentos e cadeias lógicas. No BotHub, você pode comparar a resposta dele com outro modelo na mesma janela.
Sim, tanto a chamada de funções quanto a saída estruturada em JSON são suportadas. O modelo decide por si mesmo quando chamar uma ferramenta externa e retorna a resposta de acordo com o esquema definido. Através da API unificada compatível com OpenAI do BotHub, basta escrever a integração uma vez e depois alternar entre modelos.
O modelo aceita imagens e documentos como entrada: envie uma captura de tela, foto ou arquivo e peça para analisar o conteúdo. A entrada de áudio e vídeo não está confirmada em nossos dados, então a maneira mais fácil é testar com seu próprio material diretamente na interface do BotHub.
A família Gemini do Google é conhecida pelo amplo suporte a idiomas, mas não temos dados sobre o idioma dos prompts e da saída especificamente para esta versão, por isso não prometemos nada: envie uma solicitação típica e avalie você mesmo. O serviço BotHub é em russo, aceita pagamentos com cartões russos e tem acesso da Federação Russa sem VPN.