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.
مدلهای ویژه
Gemini 4 Argon
gemini-4-argon
استدلال پیشرفته و درک چندوجهی غنی برای رسیدگی به موارد استفاده پیچیده و گردش کارهای هوشمند درونبرنامه.
Gemini 3.8 Flash
gemini-3.8-flash
عملکرد در سطح پیشرفته که با کسری از هزینه مدلهای بزرگتر رقابت میکند.
Gemini 3.5 Flash-Lite
gemini-3.5-flash-lite
مدل پرکاربرد با حجم بالا و حساس به هزینه با عملکرد و کیفیت سری Gemini 3.
Gemini 3.1 Flash Image (Nano Banana 2)
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.
مدلهای استفاده عمومی
رفتن به جدولهای دارای جزئیات مدل
Gemini 4 Argon
gemini-4-argon
استدلال پیشرفته و درک چندوجهی غنی برای رسیدگی به موارد استفاده پیچیده و گردش کارهای هوشمند درونبرنامه.
Gemini 3.8 Flash
gemini-3.8-flash
عملکردی در سطح پیشرفته که با کسری از هزینه با مدلهای بزرگتر رقابت میکند.
Gemini 3.5 Flash-Lite
gemini-3.5-flash-lite
مدل پرکاربرد با حجم بالا و حساس به هزینه با عملکرد و کیفیت سری Gemini 3.
مدلهای تولید تصویر
رفتن به جدولهای حاوی جزئیات مدل
Gemini 3 Pro Image (Nano Banana Pro)
gemini-3-pro-image
مدل تولید و ویرایش تصویر پیشرفته برای ایجاد تصویر بومی بسیار زمینهای.
تصویر Gemini 3.1 Flash (Nano Banana 2)
gemini-3.1-flash-image
مدل قدرتمند و بسیار کارآمد برای تولید و ویرایش تصویر،
بهینهشده برای سرعت و موارد استفاده با حجم بالا.
Gemini 3.1 Flash-Lite Image (Nano Banana 2 Lite)
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.
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.x Flash TTS
gemini-3.1-flash-tts-preview
تولید گفتار قدرتمند با تأخیر کم از ورودی نوشتار.
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 3.x Flash با صدای بومی Gemini Live API
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.
Gemini 2.5 Flash با صدای بومی Gemini Live API
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.
بقیه این صفحه اطلاعات دقیقی درباره مدلهای پشتیبانیشده توسط Firebase AI Logic ارائه میدهد.
-
- ورودی و خروجی پشتیبانیشده
- مقایسه سطح بالای قابلیتهای پشتیبانیشده
- مشخصات و محدودیتها، برای مثال حداکثر تعداد کدهای ورودی یا حداکثر طول ویدیو ورودی
شرح نحوه نسخهبندی مدلها، بهویژه نسخههای پایدار، پیشنمایش، و آزمایشی آنها
فهرستهای نامهای مدل دردسترس برای گنجاندن در کدتان درطول مقداردهی اولیه
فهرستهای زبانهای پشتیبانیشده برای مدلها
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
|
|||||||
|
مبنایابی با
|
|||||||
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
سهمیهها و قیمتگذاری برای هر مدل متفاوت است. قیمتگذاری به ورودی و خروجی نیز بستگی دارد.
برای آشنایی با انواع فایلهای ورودی پشتیبانیشده، نحوه مشخص کردن نوع MIME، و نحوه اطمینان از اینکه فایلهای ورودی و درخواستهای چندحالتی شما الزامات را برآورده میکنند و از روالهای مطلوب پیروی میکنند، به فایلهای ورودی پشتیبانیشده و الزامات مراجعه کنید.
الگوهای نامگذاری و نسخهبندی مدل
مدلها در نسخههای پایدار، پیشنمایش، و آزمایشی ارائه میشوند. برای
راحتی، نامهای مستعار -latest
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.
|
نام مدل نسخههای پایدار پسوند ندارد
مثالها: |
|
| پیشنمایش |
نسخههای پیشنمایش قابلیتهای جدیدی دارند و
ناپایدار درنظر گرفته میشوند.
|
نامهای مدل نسخههای پیشنمایش با
مثال: |
|
| آزمایشی |
نسخههای آزمایشی قابلیتهای جدیدی دارند
و ناپایدار درنظر گرفته میشوند.
|
نام مدل نسخههای آزمایشی با
مثال: |
|
| خاموش کردن (بازنشسته) |
نسخههای خاموششده (بازنشسته) از تاریخ خاموش شدن (بازنشستگی) خود گذشتهاند و برای همیشه غیرفعال شدهاند.
|
--- |
|
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
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.-latest
نامهای مدل دردسترس
نامهای مدل مقادیر صریحی هستند که درطول مقداردهی اولیه مدل در کدتان اضافه میکنید.
مدلهای استفاده عمومی (مانند
gemini-4-argonیاgemini-3.8-flash)مدلهای تولید تصویر (مثل
gemini-3.1-flash-image، معروف به مدلهای «نانو بنانا»)مدلهای تولیدکننده صدا:
- مدلهای نوشتار به گفتار (TTS)
(مثل
gemini-3.1-flash-tts-preview) - مدلهای Live API
(مثل
gemini-live-2.5-flash-native-audio)
- مدلهای نوشتار به گفتار (TTS)
(مثل
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:
Gemini Developer API: با نقطه پایان
models.listتماس بگیریدAgent Platform Gemini API (formerly Vertex AI): با نقطه پایان
publishers.models.listتماس بگیرید
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-previewgemini-2.5-progemini-2.5-flashgemini-2.5-flash-lite-
gemini-2.5-flash-image(با نام مستعار «نانو موز») -
gemini-2.0-flash-001(و نام مستعار بهروزرسانی خودکار آنgemini-2.0-flash) -
gemini-2.0-flash-lite-001(و نام مستعار بهروزرسانی خودکار آنgemini-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-001imagen-4.0-generate-001imagen-4.0-fast-generate-001imagen-3.0-capability-001imagen-3.0-generate-002imagen-3.0-generate-001imagen-3.0-fast-generate-001
مشاهده جزئیات درباره مدلهای قبلی
مراحل بعدی
امکانات Gemini API را امتحان کنید
- مکالمههای چندنوبتی (گپ) بسازید.
- تولید نوشتار از پیاموارههای فقط نوشتاری.
- با پیامواره دادن با انواع مختلف فایل، مثل تصاویر، PDF، ویدیو، و صوت، نوشتار تولید کنید.
- برونداد ساختاریافته (مثل JSON) از پیاموارههای نوشتاری و چندحالته تولید کنید.
- تولید و ویرایش تصاویر از پیاموارههای نوشتاری و چندحالته.
- تولید گفتار (هم تکگوینده و هم چندگوینده) بااستفاده از مدلهای Gemini نوشتار به گفتار (TTS).
- جاریسازی ورودی و خروجی (ازجمله صدا) بااستفاده از Gemini Live API.
-
از ابزارها (مثل فراخوانی تابع
و «پایهگذاری» با
Google Search یاGoogle Maps ) برای متصل کردن مدل Gemini به بخشهای دیگر برنامه و سیستمها و اطلاعات خارجی استفاده کنید.