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.
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
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.
Gemini 3.1 Flash Image (Nano Banana 2)
gemini-3.1-flash-image
مدل تولید و ویرایش تصویر قدرتمند و بسیار کارآمد،
بهینهشده برای سرعت و موارد استفاده با حجم بالا.
مدلهای استفاده عمومی
رفتن به جدولهای حاوی 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 بافتی.
Gemini 3.1 Flash Image (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 حاوی 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
Agent Platform Gemini API:
not supported
تعاملات صوتی و ویدیویی همزمان با تأخیر کم را با مدل Gemini که دوجهتی است 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
تعاملات صوتی و ویدیویی همزمان با تأخیر کم را با مدل Gemini که دوجهتی است 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
توضیح 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 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
|
|||||||
|
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 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
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 نسخهبندی و نامگذاری مدل
مدلها در نسخههای پایدار، پیشنمایش، و آزمایشی ارائه میشوند. برای
راحتی، از نامهای مستعار -latest
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.
|
نام مدل نسخههای پایدار پسوند ندارد
مثالها: |
|
| پیشنمایش |
نسخههای پیشنمایش قابلیتهای جدیدی دارند و
ناپایدار درنظر گرفته میشوند.
|
نام 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 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
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.-latest
نامهای مدل دردسترس
نامهای مدل مقادیر صریحی هستند که درطول مقداردهی اولیه مدل در کدتان اضافه میکنید.
مدلهای با کاربرد عمومی (مثل
gemini-4-argonیاgemini-3.8-flash)مدلهای تولیدکننده تصویر (مثل
gemini-3.1-flash-image، که با نام مدلهای «Nano Banana» نیز شناخته میشود)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، 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-previewgemini-2.5-progemini-2.5-flashgemini-2.5-flash-litegemini-2.5-flash-image(با نام مستعار «Nano Banana»)gemini-2.0-flash-001(و نام مستعار بهروزرسانیشده خودکار آنgemini-2.0-flash)gemini-2.0-flash-lite-001(و نام مستعار بهروزرسانیشده 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
امتحان کردن قابلیتهای Gemini API
- مکالمههای چندنوبتی (گپ) بسازید.
- تولید نوشتار از پیاموارههای فقط نوشتاری.
- بااستفاده از انواع مختلف فایل، مثل تصویر، PDF، ویدیو، و صدا، نوشتار تولید کنید.
- برونداد ساختاریافته (مثل JSON) از پیاموارههای نوشتاری و چندحالته تولید کنید.
- تصاویر را از پیاموارههای نوشتاری و چندحالته تولید و ویرایش کنید.
- 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 ابزارهایی (مانند فراخوانی تابع
و «پایهسازی» با
Google Search یاGoogle Maps ) برای متصل کردن مدل Gemini به بخشهای دیگر برنامهتان و سیستمها و اطلاعات خارجی استفاده کنید.