آشنایی با مدل‌های پشتیبانی‌شده

برای برنامه‌های وب و تلفن همراه، Firebase AI Logic کیت‌های توسعه نرم‌افزار به شما امکان می‌دهند مستقیماً از برنامه‌تان با مدل‌های Gemini پشتیبانی‌شده تعامل داشته باشید.

مدل‌های Gemini چندحالته درنظر گرفته می‌شوند زیرا می‌توانند چندین حالت، ازجمله نوشتار، کد، PDF، تصویر، ویدیو، و صدا را پردازش و حتی تولید کنند.

همچنین، پرسشگان ما را درباره همه مدل‌هایی که Firebase AI Logic پشتیبانی می‌کند و پشتیبانی نمی‌کند مرور کنید.

FLAGSHIP FRONTIER

gemini-4-argon

استدلال پیشرفته و درک چندوجهی غنی برای رسیدگی به موارد استفاده پیچیده و گردش کارهای هوشمند درون‌برنامه. (صورت‌حساب الزامی است)


سریع و هوشمند

gemini-3.8-flash

عملکرد در سطح پیشرفته که با کسری از هزینه مدل‌های بزرگ‌تر رقابت می‌کند. (صدور صورت‌حساب الزامی نیست)

ULTRA FAST

gemini-3.5-flash-lite

مدل پرکاربرد با حجم بالا و حساس به هزینه با عملکرد و کیفیت سری Gemini 3. (صدور صورت‌حساب لازم نیست)

درحال تولید تصویر

gemini-3.1-flash-image

مدل قدرتمند و با کارایی بالای تولید و ویرایش تصویر که برای سرعت و موارد استفاده با حجم بالا بهینه‌سازی شده است. (صورت‌حساب الزامی است)

مدل‌های استفاده عمومی

رفتن به جدول‌های دارای جزئیات مدل

gemini-4-argon

استدلال پیشرفته و درک چندوجهی غنی برای رسیدگی به موارد استفاده پیچیده و گردش کارهای هوشمند درون‌برنامه. (صورت‌حساب الزامی است)

gemini-3.8-flash

عملکردی در سطح پیشرفته که با کسری از هزینه با مدل‌های بزرگ‌تر رقابت می‌کند. (صدور صورت‌حساب لازم نیست)

gemini-3.5-flash-lite

مدل پرکاربرد با حجم بالا و حساس به هزینه با عملکرد و کیفیت سری Gemini 3. (صدور صورت‌حساب لازم نیست)

مدل‌های تولید تصویر

رفتن به جدول‌های حاوی جزئیات مدل

gemini-3-pro-image

مدل تولید و ویرایش تصویر پیشرفته برای ایجاد تصویر بومی بسیار زمینه‌ای. (صورت‌حساب الزامی است)

gemini-3.1-flash-image

مدل قدرتمند و بسیار کارآمد برای تولید و ویرایش تصویر، بهینه‌شده برای سرعت و موارد استفاده با حجم بالا. (صورت‌حساب لازم است)

gemini-3.1-flash-lite-image

مدل تولید و ویرایش تصویر مقرون‌به‌صرفه با تأخیر بسیار کم که برای موارد استفاده تعاملی با حجم بالا طراحی شده است. (صورت‌حساب لازم است)

مدل‌های تولیدکننده صدا

مدل‌های نوشتار به گفتار (TTS)

می‌توانید با مدل‌های TTS Gemini از ورودی نوشتاری گفتار تولید کنید.

رفتن به جدول‌های دارای جزئیات مدل

gemini-3.1-flash-tts-preview

تولید گفتار قدرتمند با تأخیر کم از ورودی نوشتار. (صدور صورت‌حساب لازم نیست)

مدل‌های Live API

می‌توانید با مدل‌هایی که از Gemini Live API پشتیبانی می‌کنند، صدای جاری‌سازی‌شده دوطرفه تولید کنید.

رفتن به جدول‌های حاوی جزئیات مدل

Gemini Developer API:
gemini-3.1-flash-live-preview

میانای برنامه‌سازی کاربردی پلاتفرم عامل Gemini:
پشتیبانی نمی‌شود

تعامل‌های صوتی و تصویری هم‌زمان با تأخیر کم با مدل Gemini که دوطرفه است را فعال می‌کند. (صدور صورت‌حساب لازم نیست)

Gemini Developer API:
gemini-2.5-flash-native-audio-preview-12-2025

Agent Platform Gemini API:
gemini-live-2.5-flash-native-audio

تعامل‌های صوتی و تصویری هم‌زمان با تأخیر کم با مدل Gemini که دوطرفه است را فعال می‌کند. (صدور صورت‌حساب الزامی نیست)


بقیه این صفحه اطلاعات دقیقی درباره مدل‌های پشتیبانی‌شده توسط Firebase AI Logic ارائه می‌دهد.

در پایین این صفحه، می‌توانید اطلاعات دقیق درباره مدل‌های نسل قبلی را مشاهده کنید.



مقایسه مدل‌ها

هر مدل قابلیت‌های متفاوتی برای پشتیبانی از موارد استفاده مختلف دارد. توجه داشته باشید که هریک از جدول‌های این بخش هر مدل را هنگام استفاده با Firebase AI Logic توصیف می‌کند. هر مدل ممکن است قابلیت‌های اضافی داشته باشد که هنگام استفاده از کیت‌های توسعه نرم‌افزار ما دردسترس نیستند.

اگر نمی‌توانید اطلاعات موردنظرتان را در زیربخش‌های زیر پیدا کنید، می‌توانید اطلاعات بیشتری را در اسناد ارائه‌دهنده میانای برنامه‌سازی کاربردی انتخابی‌تان پیدا کنید: Gemini Developer API یا Agent Platform Gemini API (formerly Vertex AI).

ورودی و خروجی پشتیبانی‌شده

جدول زیر انواع ورودی و خروجی پشتیبانی‌شده را هنگام استفاده از هر مدل با Firebase AI Logic فهرست می‌کند.

برای آشنایی با انواع فایل‌های پشتیبانی‌شده، به فایل‌های ورودی پشتیبانی‌شده و الزامات مراجعه کنید.

Gemini 4
Argon
Gemini 3.x
Flash, Flash‑Lite
Gemini 3.x
Pro
Image
Gemini 3.x
Flash
Image
Gemini 3.x
Flash‑Lite
Image
Gemini 3.x
Flash
TTS
Gemini
Live
انواع ورودی
نوشتار
کد
اسناد
(PDF یا نوشتار ساده)
تصاویر
ویدیو
صوتی
انواع خروجی
نوشتار
نوشتار (جاری‌سازی)
کد
برونداد ساختاریافته
(مثل JSON)
تصاویر
ویدیو
صوتی

قابلیت‌ها و ویژگی‌های پشتیبانی‌شده

جدول زیر قابلیت‌ها و ویژگی‌های پشتیبانی‌شده را هنگام استفاده از هر مدل با Firebase AI Logic فهرست می‌کند.

Gemini 4
Argon
Gemini 3.x
Flash, Flash‑Lite
Gemini 3.x
Pro
Image
Gemini 3.x
Flash
Image
Gemini 3.x
Flash‑Lite
Image
Gemini 3.x
Flash
TTS
Gemini
Live
درحال فکر کردن
تولید نوشتار از ورودی‌های چندحالتی یا فقط نوشتاری درهم‌تنیده یا به‌عنوان بخشی از تصویر درهم‌تنیده یا به‌عنوان بخشی از تصویر درهم‌تنیده یا به‌عنوان بخشی از تصویر ترانویسی صدا
تولید کردن تصاویر
ویرایش کردن تصاویر
تولید کردن صدا گفتار جاری‌سازی صدا
تولید برونداد ساختاریافته
(مثل JSON)
تحلیل اسناد
(PDF یا نوشتار ساده)
(برونداد نوشتاری | برونداد تصویری)
تحلیل تصاویر
(برونداد نوشتاری | برونداد تصویری)
تحلیل ویدیو
(برونداد نوشتاری | برونداد تصویری)
ویدیو جاری‌سازی‌شده
تحلیل صدا صدای جاری‌سازی‌شده
گپ چندنوبتی
جاری‌سازی چندحالتی دوطرفه
ابزارهای پشتیبانی‌شده
فراخوانی تابع
اجرای کد
بافت نشانی وب
آرامش با Google Search
مبنایابی با Google Maps

مشخصات و محدودیت‌ها

جدول زیر مشخصات و محدودیت‌های استفاده از هر مدل با Firebase AI Logic را فهرست می‌کند.

دارایی Gemini 4
Argon
Gemini 3.x
Flash, Flash‑Lite
Gemini 3.x
Pro
Image
Gemini 3.x
Flash
Image
Gemini 3.x
Flash‑Lite
Image
Gemini 3.x
Flash
TTS
Gemini
Live
حد داده‌واحد ورودی * ‫۱٬۰۴۸٬۵۷۶ داده‌واحد ‫۱٬۰۴۸٬۵۷۶ داده‌واحد ‫۶۵٬۵۳۶ داده‌واحد ‫۱۳۱٬۰۷۲ داده‌واحد ‫۶۵٬۵۳۶ داده‌واحد ‫۸٬۱۹۲ داده‌واحد مشاهده اسناد
محدودیت داده‌واحد برونداد * ‫۳۲٬۷۶۸ توکن (غیرجاری‌سازی)
۶۵٬۵۳۶ توکن (جاری‌سازی) **
‫۶۵٬۵۳۶ داده‌واحد ‫۳۲٬۷۶۸ داده‌واحد ‫۳۲٬۷۶۸ داده‌واحد ‫۴٬۰۹۶ داده‌واحد ‫۱۶۳۸۴ داده‌واحد
فایل‌های PDF (در هر درخواست)
حداکثر تعداد
فایل‌های PDF ورودی ***
‫۹۰۰ فایل ‫۹۰۰ فایل ‫۱۴ فایل ‫۱۴ فایل ‫۱۴ فایل --- مشاهده اسناد
حداکثر تعداد
صفحه
در هر فایل PDF ورودی ***
۹۰۰ صفحه ۹۰۰ صفحه ‫۱۴ صفحه ‫۱۴ صفحه ‫۱۴ صفحه ---
حداکثر اندازه
برای هر فایل PDF ورودی
‫۵۰ مگابایت ‫۵۰ مگابایت ‫۵۰ مگابایت ‫۵۰ مگابایت ‫۵۰ مگابایت ---
تصاویر (در هر درخواست)
حداکثر تعداد
تصویر ورودی
‫۱٬۰۰۰ تصویر ‫۱٬۰۰۰ تصویر ‫۱۴ تصویر ‫۱۴ تصویر ‫۱۴ تصویر --- مشاهده اسناد
حداکثر اندازه
برای هر تصویر ورودی کدگذاری‌شده با base64
‫۷ مگابایت ‫۷ مگابایت ‫۷ مگابایت ‫۷ مگابایت ‫۷ مگابایت ---
حداکثر تعداد
تصاویر برونداد
--- --- تا حد مجاز داده‌واحد برونداد تا حد مجاز داده‌واحد برونداد تا حد مجاز داده‌واحد برونداد ---
ویدیو (به‌ازای هر درخواست)
حداکثر تعداد
فایل ویدیو ورودی
‫۱۰ فایل ‫۱۰ فایل --- تا حد مجاز کد ورودی تا حد مجاز کد ورودی --- مشاهده اسناد
حداکثر طول
همه ویدیوهای ورودی
(فقط قاب‌ها)
تقریباً ۶۰ دقیقه تقریباً ۶۰ دقیقه --- تقریباً ۲۵ دقیقه تقریباً ۱۲ دقیقه ---
حداکثر طول
همه ویدیوهای ورودی
(قاب+صدا)
تقریباً ۴۵ دقیقه تقریباً ۴۵ دقیقه --- --- --- ---
صدا (به‌ازای هر درخواست)
حداکثر تعداد
فایل صوتی ورودی
۱ فایل ۱ فایل --- --- --- --- مشاهده اسناد
حداکثر طول
همه ورودی‌های صوتی
حدود ۸٫۴ ساعت حدود ۸٫۴ ساعت --- --- --- ---

* برای همه مدل‌های Gemini، یک داده‌واحد (توکن) معادل حدود ۴ نویسه است، بنابراین ۱۰۰ داده‌واحد (توکن) حدود ۶۰ تا ۸۰ کلمه انگلیسی است. برای مدل‌های Gemini، می‌توانید تعداد کل داده‌واحدها را در درخواست‌هایتان بااستفاده از countTokens تعیین کنید.

** برای gemini-4-argon، Firebase AI Logic هنوز از رمزگشایی طولانی پشتیبانی نمی‌کند، اما این ویژگی به‌زودی ارائه می‌شود!

*** فایل‌های PDF به‌عنوان تصویر درنظر گرفته می‌شوند، بنابراین یک صفحه از فایل PDF به‌عنوان یک تصویر درنظر گرفته می‌شود. تعداد صفحه‌های مجاز در یک درخواست به تعداد تصاویری که مدل می‌تواند پشتیبانی کند محدود است.

یافتن اطلاعات دقیق بیشتر



الگوهای نام‌گذاری و نسخه‌بندی مدل

مدل‌ها در نسخه‌های پایدار، پیش‌نمایش، و آزمایشی ارائه می‌شوند. برای راحتی، نام‌های مستعار -latest پشتیبانی می‌شوند، اما به‌دلیل ناسازگاری در نسخه مدلی که به آن اشاره می‌کنند، توصیه نمی‌شوند.

حتماً روال‌های مطلوب برای استفاده از نسخه‌های مدل را مرور کنید.

برای یافتن نام‌های مدل خاص برای استفاده در کد خود، به بخش «نام‌های مدل دردسترس» در ادامه این صفحه مراجعه کنید.

نوع نسخه /
مرحله انتشار
شرح الگوی نام مدل
پایدار نسخه‌های پایدار برای استفاده در تولید از تاریخ انتشار دردسترس و پشتیبانی می‌شوند.
  • نسخه مدل پایدار معمولاً با تاریخ بازنشستگی منتشر می‌شود، که نشان‌دهنده آخرین روزی است که مدل دردسترس است. پس‌از این تاریخ، مدل دیگر دردسترس نخواهد بود یا Google از آن پشتیبانی نخواهد کرد.
  • اکثر مدل‌های پایدار تا ۱۲ ماه پس‌از تاریخ انتشارشان دردسترس هستند (حتی اگر مدل جایگزینی منتشر شود).
  • برای Agent Platform Gemini API (formerly Vertex AI)، برخی‌از مدل‌های پایدار فقط دسترسی کوتاه‌مدت دارند، که یعنی ممکن است آن‌ها را (بازنشسته) زودتر از ۴۵ روز پس‌از انتشار مدل جایگزین خاموش کنند.

نام مدل نسخه‌های پایدار پسوند ندارد

مثال‌ها:
gemini-4-argon
gemini-3.8-flash

پیش‌نمایش نسخه‌های پیش‌نمایش قابلیت‌های جدیدی دارند و ناپایدار درنظر گرفته می‌شوند.
  • این مدل‌ها برای استفاده تولیدی توصیه نمی‌شوند، حد نرخ محدودکننده‌تری دارند، و ممکن است الزامات صورت‌حساب داشته باشند.
  • این مدل‌ها ظرف چند هفته یا چند ماه پس‌از انتشار نسخه پایدار مربوطه، خاموش (بازنشسته) می‌شوند.
  • برای Agent Platform Gemini API (formerly Vertex AI)، مدل‌های پیش‌نمایش فقط در global مکان دردسترس است.

نام‌های مدل نسخه‌های پیش‌نمایش با -preview ضمیمه می‌شود

مثال:
gemini-3-pro-preview

آزمایشی نسخه‌های آزمایشی قابلیت‌های جدیدی دارند و ناپایدار درنظر گرفته می‌شوند.
  • این مدل‌ها برای استفاده در تولید توصیه نمی‌شوند و حد نرخ محدودکننده‌تری دارند. مدل‌های آزمایشی برای جمع‌آوری بازخورد و امکان آزمایش جدیدترین ویژگی‌های ما طراحی شده‌اند.
  • این مدل‌ها ظرف چند هفته یا چند ماه پس‌از انتشار نسخه پایدار مرتبط با آن‌ها، خاموش (بازنشسته) می‌شوند.
  • برای Agent Platform Gemini API (formerly Vertex AI)، مدل‌های آزمایشی فقط در global مکان دردسترس هستند.

نام مدل نسخه‌های آزمایشی با -exp به‌همراه تاریخ انتشار مدل (-MM-DD) اضافه می‌شود

مثال:
gemini-2.5-pro-exp-03-25
(منتشرشده در ۲۵ مارس ۲۰۲۵)

خاموش کردن (بازنشسته) نسخه‌های خاموش‌شده (بازنشسته) از تاریخ خاموش شدن (بازنشستگی) خود گذشته‌اند و برای همیشه غیرفعال شده‌اند.
  • مدل‌های خاموش‌شده (بازنشسته) دیگر توسط Google قابل‌دسترسی یا پشتیبانی نیستند و درخواست بااستفاده از نام مدل بازنشسته خطای ۴۰۴ برمی‌گرداند.

---

روال‌های مطلوب برای استفاده از نسخه‌های مدل

  • در برنامه‌های تولید، از نام مدل صریح برای جدیدترین نسخه پایدار استفاده کنید.

    برای Agent Platform Gemini API (formerly Vertex AI)، اگر تصمیم بگیرید در برنامه تولیدتان از مدل دردسترس بودن کوتاه‌مدت استفاده کنید، بسیار مهم است که از Firebase Remote Config یا الگوهای پیام‌واره سرور برای کنترل نام مدل استفاده‌شده برای ویژگی هوش مصنوعی‌تان استفاده کنید.

  • از نسخه‌های پیش‌نمایش و آزمایشی فقط درطول نمونه‌سازی استفاده کنید. توصیه می‌کنیم وقتی توسعه و آزمایش را برای مورد استفاده تولید شروع می‌کنید، از نسخه پایدار استفاده کنید.

  • توصیه نمی‌کنیم از نام‌های مستعار -latest استفاده کنید (حتی درطول توسعه). این نام مستعار به جدیدترین نسخه پخش برای یک مدل خاص اشاره می‌کند (که می‌تواند نسخه پایدار، پیش‌نمایش، یا آزمایشی باشد). این نام مستعار با هر نسخه جدید از یک مدل خاص جایگزین می‌شود و فقط برای تغییرات اساسی، ایمیل اعلان ۲ هفته قبل ارسال می‌شود. این ناپایداری در مدلی که واقعاً از آن استفاده می‌کنید می‌تواند منجر به تغییرات رفتاری غیرمنتظره برای ویژگی هوش مصنوعی شما شود.



نام‌های مدل دردسترس

نام‌های مدل مقادیر صریحی هستند که درطول مقداردهی اولیه مدل در کدتان اضافه می‌کنید.

برای نمونه‌های مقداردهی اولیه برای پلاتفرم خود، به راهنمای شروع به کار مراجعه کنید.

برای جزئیات مربوط به مراحل انتشار (به‌ویژه برای موارد استفاده، صورت‌حساب، و خاموش کردن)، به الگوهای نام‌گذاری و نسخه‌بندی مدل مراجعه کنید.

فهرست کردن همه مدل‌های دردسترس به‌صورت برنامه‌نویسی

بااستفاده از REST API می‌توانید نام همه مدل‌های دردسترس را فهرست کنید:

توجه داشته باشید که این فهرست برگردانده‌شده شامل همه مدل‌های پشتیبانی‌شده توسط ارائه‌دهندگان API خواهد بود، اما Firebase AI Logic فقط از مدل‌های Gemini شرح‌داده‌شده در این صفحه پشتیبانی می‌کند.

مدل‌های استفاده عمومی

‫Gemini 4 Argon نام مدل

صرف‌نظر از ارائه‌دهنده Gemini API شما، طرح قیمت‌گذاری Blaze با پرداخت براساس مصرف را الزامی می‌کند.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-4-argon جدیدترین نسخه پایدار Gemini 4 Argon رده 2026-10-13 اعلام خواهد شد

‫Gemini 3.x Flash نام مدل

اگر از Gemini Developer API استفاده می‌کنید، به طرح قیمت‌گذاری Blaze پرداخت به اندازه استفاده نیاز ندارد.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.8-flash جدیدترین نسخه پایدار Gemini 3.x Flash
این مدل دردسترس کوتاه‌مدت است (به الگوهای نام‌گذاری و نسخه‌سازی مدل مراجعه کنید).
رده 2026-09-02 اعلام خواهد شد
gemini-3.7-flash نسخه پایدار Gemini 3.x Flash
این مدل دردسترس کوتاه‌مدت است (به نسخه‌بندی مدل و الگوهای نام‌گذاری مراجعه کنید).
رده 2026-08-13 اعلام خواهد شد
gemini-3.6-flash نسخه پایدار Gemini 3.x Flash
این یک مدل دردسترس کوتاه‌مدت است (به نسخه‌بندی مدل و الگوهای نام‌گذاری مراجعه کنید).
رده 2026-07-21 اعلام خواهد شد
gemini-3.5-flash نسخه پایدار Gemini 3.x Flash رده 2026-05-19 نه زودتر از
‫۲۰۲۷/۰۵/۱۹
gemini-3-flash-preview نسخه پیش‌نمایش Gemini 3.x Flash پیش‌نمایش 2025-12-17 اعلام خواهد شد

‫Gemini 3.x Flash‑Lite نام مدل

اگر از Gemini Developer API استفاده می‌کنید، به طرح قیمت‌گذاری Blaze با پرداخت به اندازه استفاده نیاز ندارد.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.5-flash-lite جدیدترین نسخه پایدار Gemini 3.x Flash‑Lite رده 2026-07-21 نه زودتر از
۲۰۲۷-۰۷-۲۱
gemini-3.1-flash-lite نسخه پایدار Gemini 3.x Flash‑Lite رده 2026-05-07 زودتر از
۲۰۲۷-۰۵-۰۷ نباشد

مدل‌های تولید تصویر

نام‌های مدل Gemini 3.x Pro Image (یا «Nano Banana Pro»)

صرف‌نظر از ارائه‌دهنده Gemini API شما، طرح قیمت‌گذاری Blaze با پرداخت براساس مصرف را الزامی می‌کند.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3-pro-image نسخه پایدار Gemini 3.x Pro Image
(با نام مستعار «Nano Banana Pro»)
رده 2026-05-28 زودتر از
۲۰۲۷-۰۵-۲۸ نباشد
gemini-3-pro-image-preview نسخه پیش‌نمایش Gemini 3.x Pro Image
(با نام مستعار «Nano Banana Pro»)
پیش‌نمایش 2025-11-20 As early as
2026-06-25

Gemini 3.x Flash Image model names (aka "Nano Banana 2")

صرف‌نظر از ارائه‌دهنده Gemini API، به طرح قیمت‌گذاری Blaze با پرداخت به اندازه استفاده نیاز دارد.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-image نسخه پایدار Gemini 3.x Flash Image
(با نام مستعار «Nano Banana 2»)
رده 2026-05-28 نه زودتر از
‫۲۰۲۷/۰۵/۲۸
gemini-3.1-flash-image-preview نسخه پیش‌نمایش Gemini 3.x Flash Image
(با نام مستعار «Nano Banana 2»)
پیش‌نمایش 2026-02-26 از
۲۵ ژوئن ۲۰۲۶

Gemini 3.x Flash‑Lite Image نام مدل (با نام مستعار «Nano Banana 2 Lite»)

صرف‌نظر از ارائه‌دهنده Gemini API، به طرح قیمت‌گذاری Blaze با پرداخت به اندازه استفاده نیاز دارد.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-lite-image نسخه پایدار Gemini 3.x Flash‑Lite Image
(با نام مستعار «Nano Banana 2 Lite»)
این یک مدل با دردسترس بودن کوتاه‌مدت است (به الگوهای نام‌گذاری و نسخه‌بندی مدل مراجعه کنید).
رده 2026-06-30 اعلام خواهد شد

مدل‌های صوتی - نوشتار به گفتار (TTS)

‫Gemini 3.x Flash TTS نام مدل

اگر از Gemini Developer API استفاده می‌کنید، به طرح قیمت‌گذاری Blaze پرداخت به اندازه استفاده نیاز ندارد.

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-tts-preview نسخه پیش‌نمایش برای Gemini 3.x Flash TTS پیش‌نمایش 2026-06-17 اعلام خواهد شد

صدا - مدل‌های Live API

‫Gemini 3.x Flash Live نام مدل

Gemini Developer API
نام مدل
شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-live-preview ۱ نسخه پیش‌نمایش برای Live API در Gemini Developer API پیش‌نمایش 2026-03-26 اعلام خواهد شد
Agent Platform Gemini API (formerly Vertex AI)
نام مدل
شرح مرحله انتشار تاریخ انتشار تاریخ توقف
Agent Platform Gemini API (formerly Vertex AI) از هیچ مدل Gemini Live 3.x پشتیبانی نمی‌کند.

۱ فقط توسط Gemini Developer API پشتیبانی می‌شود. همچنین، اگرچه این یک مدل پیش‌نمایش است، اما در «سطح رایگان» Gemini Developer API دردسترس است.

‫Gemini 2.5 Flash Live نام مدل

اگر از Gemini Developer API استفاده می‌کنید، به طرح قیمت‌گذاری Blaze با پرداخت به اندازه استفاده نیاز ندارد (معمولاً مدل‌های پیش‌نمایش به طرح پولی نیاز دارند).

اگرچه مدل‌های زیر بسته به ارائه‌دهنده میانای برنامه‌سازی کاربردی Gemini نام‌های مدل متفاوتی دارند، ویژگی‌های مدل یکسان است.

Gemini Developer API
نام مدل
شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-2.5-flash-native-audio-preview-12-2025 ۱ نسخه پیش‌نمایش برای Live API در Gemini Developer API پیش‌نمایش 2025-12-12 اعلام خواهد شد
‫gemini-2.5-flash-native-audio-preview-09-2025 ۱ نسخه پیش‌نمایش اولیه برای Live API در Gemini Developer API پیش‌نمایش 2025-09-18 اعلام خواهد شد
Agent Platform Gemini API (formerly Vertex AI)
نام مدل
شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-live-2.5-flash-native-audio ۲ نسخه پایدار برای Live API در Agent Platform Gemini API (formerly Vertex AI) رده 2025-12-12 نه زودتر از
۲۰۲۶-۱۲-۱۲
gemini-live-2.5-flash-preview-native-audio-09-2025 ۲ نسخه پیش‌نمایش برای Live API در Agent Platform Gemini API (formerly Vertex AI) پیش‌نمایش 2025-09-18 اعلام خواهد شد

۱ فقط توسط Gemini Developer API پشتیبانی می‌شود. همچنین، اگرچه این مدل‌ها پیش‌نمایش هستند، در «سطح رایگان» Gemini Developer API دردسترس هستند.
۲ فقط توسط Agent Platform Gemini API (formerly Vertex AI) پشتیبانی می‌شود. همچنین، این مدل‌ها در مکان global دردسترس نیستند.



زبان‌های پشتیبانی‌شده

مدل‌های استفاده عمومی

همه مدل‌های Gemini با کاربرد عمومی (مثل Gemini 4 Argon،‏ Gemini 3.8 Flash،‏ Gemini 3.5 Flash-Lite، و مدل‌های قبلی 3.x) می‌توانند به بیش‌از ۱۰۰ زبان بفهمند و پاسخ دهند:

آذربایجانی (az)، آفریکانس (af)، آلبانیایی (sq)، آمهاری (am)، آلمانی (de)، اردو (ur)، ارمنی (hy)، اسپانیایی (es)، اسپرانتو (eo)، اسلواکی (sk)، اسلوونیایی (sl)، استونیایی (et)، اوکراینی (uk)، اندونزیایی (id)، اویغوری (ug)، ایتالیایی (it)، ایرلندی (ga)، ایسلندی (is)، ایگبو (ig)، باسکی (eu)، بلاروسی (be)، بلغاری (bg)، بنگالی (bn)، بوسنیایی (bs)، پرتغالی (pt)، پنجابی (pa)، پشتو (ps)، تاجیکی (tg)، تامیلی (ta)، تایلندی (th)، ترکی (tr)، تلوگو (te)، جاوه‌ای (jv)، چکی (cs)، چینی ساده‌شده و سنتی (zh)، خمر (km)، دانمارکی (da)، روسی (ru)، رومانیایی (ro)، زولو (zu)، ژاپنی (ja)، ساموآیی (sm)، سوئدی (sv)، سواحیلی (sw)، سوندایی (su)، سینهالی (si)، سوتو (st)، سندی (sd)، شونا (sn)، صربی (sr)، عربی (ar)، عبری (iw)، فارسی (fa)، فرانسوی (fr)، فریسی (fy)، فیلیپینی (تاگالوگ) (fil)، فنلاندی (fi)، قرقیزی (ky)، قزاقی (kk)، کاتالان (ca)، کرواتی (hr)، کره‌ای (ko)، کردی (ku)، کریو (kri)، کورسیکایی (co)، گالیسی (gl)، گرجی (ka)، گجراتی (gu)، گالیک اسکاتلندی (gd)، لائوسی (lo)، لتونیایی (lv)، لیتوانیایی (lt)، لاتین (la)، لوکزامبورگی (lb)، لهستانی (pl)، مالاگاسی (mg)، مالایی (ms)، مالایالام (ml)، مالتایی (mt)، مائوری (mi)، مراتی (mr)، مغولی (mn)، میانماری (برمه‌ای) (my)، نپالی (ne)، نروژی (no)، ولزی (cy)، ویتنامی (vi)، هائیتیایی (ht)، هاوسایی (ha)، هاوایی (haw)، هلندی (nl)، هندی (hi)، همونگ (hmn)، مجاری (hu)، ییدیش (yi)، یوروبایی (yo)، یونانی (el)، آسامی (as)، سبوانو (ceb)، دیوهی (dv)، کاناده (kn)، مقدونی (mk)، میتیلون (مانیپوری) (mni-Mtei)، نیانجا (چیچوا) (ny)، اودیا (اوریا) (or)، سومالیایی (so)، ازبکی (uz)، و خوسایی (xh).en

مدل‌های تولید تصویر

مدل‌های Gemini 3.x Image می‌توانند پیام‌واره‌های نوشتاری را به زبان‌های مختلف بپذیرند. بااین‌حال، این مدل برای بهترین عملکرد (هم برای پیام‌واره‌های نوشتاری و هم برای پرداز زدن نوشتار در تصاویر تولیدشده) در زبان‌ها و منطقه‌های زیر بهینه‌سازی شده است:

آلمانی (de-DE)، اسپانیایی (es-MX)، اندونزیایی (id-ID)، انگلیسی (EN)، ایتالیایی (it-IT)، پرتغالی (pt-BR)، چینی ساده‌شده (zh-CN)، روسی (ru-RU)، عربی (ar-EG)، فرانسوی (fr-FR)، کره‌ای (ko-KR)، اوکراینی (uk-UA)، ویتنامی (vi-VN)، و هندی (hi-IN).ja-JP

برای کسب اطلاعات بیشتر درباره روال‌های مطلوب پیام‌واره و تولید نوشتار در تصاویر، زبان‌های پشتیبانی‌شده برای تولید تصویر را ببینید.

مدل‌های تولیدکننده صدا (TTS و Live API)

مدل‌های تولید صدا از مجموعه‌های زبانی تخصصی پشتیبانی می‌کنند که برای ترکیب گفتار و (برای Live API) گفتگوی دوطرفه هم‌زمان بهینه‌سازی شده‌اند:

  • مدل‌های نوشتار به گفتار (TTS): مدل‌های Gemini 3.x TTS می‌توانند به‌طور خودکار گفتار را در نزدیک به ۸۰ زبان و گویش تشخیص دهند و تولید کنند.

    برای مشاهده فهرست کامل زبان‌های پشتیبانی‌شده و کدهای مکان BCP-47 موجود، به زبان‌های پشتیبانی‌شده برای تولید گفتار مراجعه کنید.

  • مدل‌های Live API: مدل‌های Live API از تعاملات صوتی دوطرفه و هم‌زمان در تقریباً ۸۰ زبان و گویش پشتیبانی می‌کنند.

    برای مشاهده فهرست کامل زبان‌های پشتیبانی‌شده و آشنایی با نحوه تأثیرگذاری بر زبان پاسخ گفتاری، به زبان‌های پشتیبانی‌شده برای Live API مراجعه کنید.



اطلاعات درباره مدل‌های قبلی

موارد زیر فعال هستند، اما مدل‌های نسل قبلی هستند. اکیداً توصیه می‌کنیم هر زمان ممکن بود برنامه‌تان را به مدل جدیدتری منتقل کنید. برای کسب اطلاعات بیشتر درباره منسوخ شدن و خاموش شدن این مدل‌های قدیمی‌تر (و همچنین مدل‌های جایگزین توصیه‌شده)، به این پرسشگان مراجعه کنید.

اگر نمی‌توانید اطلاعات موردنظرتان را در زیربخش‌های زیر پیدا کنید، می‌توانید اطلاعات بیشتری را در اسناد ارائه‌دهنده میانای برنامه‌سازی کاربردی انتخابی‌تان پیدا کنید: Gemini Developer API یا Agent Platform Gemini API (formerly Vertex AI)

مدل‌های قدیمی‌تر Gemini

  • gemini-3.1-pro-preview
  • gemini-2.5-pro
  • gemini-2.5-flash
  • gemini-2.5-flash-lite
  • ‫gemini-2.5-flash-image (با نام مستعار «نانو موز»)
  • ‫gemini-2.0-flash-001 (و نام مستعار به‌روزرسانی خودکار آن gemini-2.0-flash)
  • ‫gemini-2.0-flash-lite-001 (و نام مستعار به‌روزرسانی خودکار آن gemini-2.0-flash-lite)

برای کسب اطلاعات درباره مدل‌های قدیمی‌تر Gemini Live API، به Gemini API اسناد ارائه‌دهنده مراجعه کنید:

مدل‌های قدیمی‌تر Imagen

  • imagen-4.0-ultra-generate-001
  • imagen-4.0-generate-001
  • imagen-4.0-fast-generate-001
  • imagen-3.0-capability-001
  • imagen-3.0-generate-002
  • imagen-3.0-generate-001
  • imagen-3.0-fast-generate-001

مشاهده جزئیات درباره مدل‌های قبلی



مراحل بعدی

امکانات Gemini API را امتحان کنید