Nuevas capacidades de Gemini 2.5
Salida de audio nativa y mejoras en Live API
Hoy, Live API presenta una versión preliminar de entrada audiovisual y diálogo de salida de audio nativo, para que puedas crear experiencias de conversación directamente, con un Gemini más natural y expresivo.
También permite al usuario controlar su tono, acento y estilo de hablar. Por ejemplo, puede decirle al modelo que use una voz dramática al contar una historia. Y admite el uso de herramientas para poder buscar en su nombre.
Puede experimentar con un conjunto de funciones iniciales, que incluyen:
Diálogo afectivo, en el que el modelo detecta emoción en la voz del usuario y responde adecuadamente. Audio proactivo, en el que el modelo ignorará las conversaciones en segundo plano y sabrá cuándo responder. Pensamiento en Live API, en el que el modelo aprovecha las capacidades de pensamiento de Gemini para respaldar tareas más complejas.
También estamos lanzando nuevas vistas previas de texto a voz en 2.5 Pro y 2.5 Flash. Estos tienen soporte, el primero en su tipo, para múltiples hablantes, lo que permite la conversión de texto a voz con dos voces a través de una salida de audio nativa.
Al igual que los diálogos de Native Audio, la conversión de texto a voz es expresiva y puede capturar matices realmente sutiles, como los susurros. Funciona en más de 24 idiomas y cambia sin problemas entre ellos.