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 قادر به پردازش و حتی تولید چندین حالت، ازجمله نوشتار، کد، PDF، تصویر، ویدیو، و صدا هستند.

همچنین، پرسشگان ما را درباره همه مدل‌هایی که Firebase AI Logic پشتیبانی می‌کند و 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

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

بسیار سریع

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

مدل‌های استفاده عمومی

رفتن به جدول‌های حاوی 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 بافتی. (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 الزامی 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 الزامی است)

مدل‌های تولیدکننده صدا

مدل‌های نوشتار به گفتار (TTS)

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

رفتن به جدول‌های حاوی 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

Agent Platform Gemini API:
not supported

تعاملات صوتی و ویدیویی هم‌زمان با تأخیر کم را با مدل Gemini که دوجهتی است 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

تعاملات صوتی و ویدیویی هم‌زمان با تأخیر کم را با مدل Gemini که دوجهتی است فعال می‌کند. (صدور صورت‌حساب لازم 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 بیشتری 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، الزامات و فایل‌های ورودی پشتیبانی‌شده را ببینید.

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
خروجی 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 اندیشیدن
تولید نوشتار از ورودی‌های چندحالته 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 صدای جاری‌سازی‌شده
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
مبنایابی 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 کد مشاهده اسناد
محدودیت داده‌واحدهای برونداد * ‫۳۲٬۷۶۸ توکن (غیرجاری‌سازی)
۶۵٬۵۳۶ توکن (جاری‌سازی) **
‫۶۵٬۵۳۶ داده‌واحد ‫۳۲٬۷۶۸ داده‌واحد ‫۳۲٬۷۶۸ داده‌واحد ‫۴٬۰۹۶ داده‌واحد ‫۱۶٬۳۸۴ 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
فایل‌های ویدیویی ورودی
‫۱۰ فایل ‫۱۰ فایل --- تا حد مجاز کد ورودی تا حد مجاز کد ورودی --- مشاهده اسناد
حداکثر طول
همه ویدیوهای ورودی
(فقط فریم‌ها)
تقریباً ۶۰ دقیقه تقریباً ۶۰ دقیقه --- تقریباً ۲۵ دقیقه تقریباً ۱۲ دقیقه ---
حداکثر طول
همه ویدیوهای ورودی
(فریم‌ها+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، هر داده‌واحد معادل حدود ۴ نویسه است، بنابراین ۱۰۰ داده‌واحد 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 نسخه‌بندی و نام‌گذاری مدل

مدل‌ها در نسخه‌های پایدار، پیش‌نمایش، و آزمایشی ارائه می‌شوند. برای راحتی، از نام‌های مستعار -latest پشتیبانی می‌شود، اما به‌دلیل ناهماهنگی در اینکه به کدام نسخه مدل اشاره می‌کنند، توصیه نمی‌شوند.

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

برای پیدا کردن نام مدل‌های خاصی که می‌توانید در کدتان استفاده کنید، به بخش «نام مدل‌های دردسترس» در ادامه این صفحه مراجعه کنید.

نوع نسخه /
مرحله انتشار
شرح الگوی نام مدل
پایدار نسخه‌های پایدار از تاریخ انتشار برای استفاده تولیدی دردسترس و تحت پشتیبانی هستند.
  • نسخه مدل پایدار معمولاً با تاریخ بازنشستگی منتشر می‌شود، که نشان‌دهنده آخرین روزی است که مدل دردسترس است. پس‌از این تاریخ، مدل دیگر دردسترس نیست یا Google از آن پشتیبانی نمی‌کند.
  • 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 دردسترس بودن کوتاه‌مدت دارند، یعنی ممکن است ۴۵ روز پس‌از انتشار مدل جایگزین، غیرفعال (بازنشسته) شوند.

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 مکان global دردسترس است.

نام مدل نسخه‌های پیش‌نمایش با -preview اضافه می‌شود

مثال:
gemini-3-pro-preview

آزمایشی نسخه‌های آزمایشی قابلیت‌های جدیدی دارند و ناپایدار درنظر گرفته می‌شوند.
  • این مدل‌ها برای استفاده تولیدی 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 مربوطه، خاموش (بازنشسته) می‌شوند.
  • برای Agent Platform Gemini API (formerly Vertex AI)، مدل‌های آزمایشی فقط در مکان global 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 از مدل دردسترس کوتاه‌مدت در برنامه تولیدی‌تان استفاده کنید، بسیار مهم‌تر 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 منتشرشده برای یک گونه مدل خاص (که می‌تواند نسخه پایدار، پیش‌نمایش، یا آزمایشی باشد) اشاره می‌کند. این نام مستعار با هر نسخه جدید از یک مدل خاص به‌طور داغ تعویض می‌شود و فقط برای تغییرات ناسازگار، یک ایمیل اعلان ۲ هفته قبل ارسال خواهد شد. 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، به طرح قیمت‌گذاری Blaze با پرداخت به اندازه استفاده نیاز دارد.

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 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 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 نه زودتر از
۲۰۲۷-۰۵-۰۷

مدل‌های تولید تصویر

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

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-pro-image نسخه پایدار Gemini 3.x Pro Image
(با نام مستعار «Nano Banana Pro»)
رده 2026-05-28 نه زودتر از
‫۲۰۲۷/۰۵/۲۸
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 As early as
2026-06-25

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 دردسترس 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 عمومی Gemini (مثل Gemini 4 Argon،‏ Gemini 3.8 Flash،‏ Gemini 3.5 Flash-Lite، و مدل‌های قدیمی‌تر 3.x) می‌توانند به بیش‌از ۱۰۰ زبان درک کنند 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 مدل‌ها برای بهترین عملکرد (هم برای پیام‌واره‌های نوشتاری و هم برای پرداز زدن نوشتار در تصاویر تولیدشده) در زبان‌ها و مناطق زیر بهینه‌سازی شده‌اند:

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

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

مدل‌های تولیدکننده صدا (تبدیل نوشتار به گفتار 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 به تقریباً ۸۰ زبان و گویش شناسایی و تولید کنند.

    برای مشاهده فهرست کامل زبان‌های پشتیبانی‌شده و کدهای محلی BCP-47 دردسترس، زبان‌های پشتیبانی‌شده برای تولید گفتار را ببینید.

  • مدل‌های Live API: مدل‌های Live API از تعاملات صوتی هم‌زمان و دوطرفه به 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

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

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 «Nano Banana»)
  • gemini-2.0-flash-001 (و نام مستعار به‌روزرسانی‌شده خودکار آن gemini-2.0-flash)
  • gemini-2.0-flash-lite-001 (و نام مستعار به‌روزرسانی‌شده 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

امتحان کردن قابلیت‌های Gemini API