কাজ করে এমন মডেল সম্পর্কে জানুন

কোন কোন ধরনের ফাইল কাজ করে তা জানতে, কাজ করে এমন ইনপুট ফাইল ও প্রয়োজনীয়তা দেখুন।

কাজ করে এমন ফিচার ও সুবিধা

Firebase AI Logic-এর সাথে প্রতিটি মডেল ব্যবহার করার সময় নিম্নলিখিত সারণীতে কাজ করে এমন ফিচার ও কার্যকারিতার তালিকা দেওয়া হল।

স্পেসিফিকেশন ও সীমাবদ্ধতা

^{* সব Gemini মডেলের জন্য, একটি টোকেন প্রায় ৪টি অক্ষরের সমান, তাই ১০০টি টোকেন প্রায় ৬০-৮০টি ইংরেজি শব্দের সমান। Gemini মডেলের ক্ষেত্রে, আপনি countTokens ব্যবহার করে আপনার অনুরোধে টোকেনের মোট সংখ্যা নির্ধারণ করতে পারবেন।}

^{** পিডিএফকে ছবি হিসেবে বিবেচনা করা হয়, তাই পিডিএফের একটি পৃষ্ঠা একটি ছবি হিসেবে বিবেচিত হয়। অনুরোধে অনুমোদিত পৃষ্ঠার সংখ্যা মডেলের কাজ করতে পারা ইমেজের সংখ্যার মধ্যে সীমাবদ্ধ।}

আরও বিস্তারিত তথ্য খুঁজে দেখা

• কোটা ও দাম প্রতিটি মডেলের জন্য আলাদা আলাদা হয়। ইনপুট ও আউটপুটের উপরও প্রাইসিং নির্ভর করে।

• ইনপুট ফাইলের মানানসই ধরন, কীভাবে MIME ধরন নির্দিষ্ট করতে হয় এবং কীভাবে নিশ্চিত করতে হয় যে আপনার ইনপুট ফাইল ও মাল্টিমোডাল অনুরোধ প্রয়োজনীয়তা পূরণ করে এবং কীভাবে মানানসই ইনপুট ফাইল ও প্রয়োজনীয়তা মেনে চলে সেই সম্পর্কে জানুন।

মডেলের ভার্সন ও নামের প্যাটার্ন

মডেলগুলি স্থিতিশীল, প্রিভিউ এবং পরীক্ষামূলক ভার্সনে অফার করা হয়। সুবিধার জন্য, -latest অ্যালিয়াস কাজ করে, কিন্তু যে মডেল ভার্সনের দিকে সেগুলি পয়েন্ট করে সেটির মধ্যে অসঙ্গতি থাকার কারণে এগুলি সাজেস্ট করা হয় না।

মডেল ভার্সন ব্যবহার করার পেশাদার পদ্ধতি পর্যালোচনা করতে ভুলবেন না।

আপনার কোডে ব্যবহার করার জন্য নির্দিষ্ট মডেলের নাম খুঁজে পেতে, এই পৃষ্ঠার "উপলভ্য মডেলের নাম" বিভাগটি পরে দেখুন।

মডেল ভার্সন ব্যবহার করার পেশাদার পদ্ধতি

• আপনার প্রোডাকশন অ্যাপে, সবচেয়ে সাম্প্রতিক স্থিতিশীল ভার্সনের জন্য স্পষ্ট মডেলের নাম ব্যবহার করুন।

  Agent Platform Gemini API (formerly Vertex AI)-এর জন্য, আপনার প্রোডাকশন অ্যাপে স্বল্প-মেয়াদী উপলভ্যতা মডেল ব্যবহার করার বিকল্প বেছে নিলে, আপনার AI ফিচারের জন্য ব্যবহৃত মডেলের নাম নিয়ন্ত্রণ করতে Firebase Remote Config বা সার্ভার প্রম্পট টেমপ্লেট ব্যবহার করা আরও বেশি গুরুত্বপূর্ণ।

• প্রোটোটাইপিংয়ের সময় শুধুমাত্র প্রিভিউ ও এক্সপেরিমেন্টাল ভার্সন ব্যবহার করুন। প্রোডাকশন ব্যবহারের কেস ডেভেলপ ও টেস্ট করার সময় আমরা স্থিতিশীল ভার্সন ব্যবহার করার সাজেশন দিই।

• আমরা -latest ছদ্মনাম ব্যবহার করার সাজেশন দিই না (এমনকি ডেভেলপমেন্টের সময়ও)। এই ছদ্মনামটি নির্দিষ্ট মডেলের ভেরিয়েন্টের লেটেস্ট রিলিজের দিকে নির্দেশ করে (যা একটি স্থিতিশীল, প্রিভিউ বা পরীক্ষামূলক ভার্সন হতে পারে)। নির্দিষ্ট মডেল ভেরিয়েন্টের প্রতিটি নতুন রিলিজের সাথে এই উপনামটি হট-সোয়াপ করা হবে এবং শুধুমাত্র ব্রেকিং পরিবর্তনের ক্ষেত্রেই ২ সপ্তাহ আগে বিজ্ঞপ্তি ইমেল পাঠানো হবে। আপনি আসলে কোন মডেল ব্যবহার করছেন সেই সংক্রান্ত এই অস্থিরতা আপনার AI ফিচারের ক্ষেত্রে অপ্রত্যাশিত আচরণগত পরিবর্তন ঘটাতে পারে।

উপলভ্য মডেলের নাম

মডেলের নাম হল সেইসব স্পষ্ট ভ্যালু যা মডেলের ইনস্টলেশনের সময় আপনার কোডে অন্তর্ভুক্ত করেন।

• সাধারণ ব্যবহারের মডেল (যেমন gemini-3.8-flash)

• ইমেজ-জেনারেটিং মডেল (যেমন gemini-3.1-flash-image, অর্থাৎ "Nano Banana" মডেল)

• অডিও-জেনারেটিং মডেল:

  • টেক্সট-টু-স্পিচ (TTS) মডেল (যেমন gemini-3.1-flash-tts-preview)
  • Live API মডেল (যেমন gemini-live-2.5-flash-native-audio)

আপনার প্ল্যাটফর্মের জন্য ইনিশিয়ালাইজেশনের উদাহরণ দেখতে, শুরু করার নির্দেশিকা দেখুন।

রিলিজের বিভিন্ন পর্যায় (বিশেষ করে ব্যবহার, বিলিং এবং বন্ধ করা) সম্পর্কে বিস্তারিত জানতে, মডেল ভার্সনিং ও নামকরণের প্যাটার্ন দেখুন।

প্রোগ্রামাটিক পদ্ধতিতে উপলভ্য সব মডেলের তালিকা তৈরি করা

আপনি REST API ব্যবহার করে উপলভ্য সব মডেলের নাম তালিকাভুক্ত করতে পারবেন:

• Gemini Developer API: models.list এন্ডপয়েন্টে কল করুন

• Agent Platform Gemini API (formerly Vertex AI): publishers.models.list এন্ডপয়েন্টে কল করুন

মনে রাখবেন, এই ফেরত দেওয়া তালিকায় API প্রদানকারীর দ্বারা কাজ করে এমন সব মডেল অন্তর্ভুক্ত থাকবে, কিন্তু Firebase AI Logic শুধুমাত্র এই পৃষ্ঠায় বর্ণিত Gemini মডেলের সাথে কাজ করে।

সাধারণ ব্যবহারের মডেল

Gemini 3.x Proটি মডেলের নাম

^{আপনার Gemini API প্রোভাইডার যাই হোক না কেন, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান প্রয়োজন।}

Gemini 3.x Flashটি মডেলের নাম

^{আপনি Gemini Developer API ব্যবহার করলে, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান কি প্রয়োজন নেই?}

Gemini 3.x Flash‑Liteটি মডেলের নাম

^{আপনি Gemini Developer API ব্যবহার করলে, Blaze-এর পে-অ্যাজ-ইউ-গো মূল্য প্ল্যান কি প্রয়োজন নেই?}

ছবি তৈরি করার মডেল

Gemini 3.x Pro Image মডেলের নাম (যেমন, "Nano Banana Pro")

^{আপনার Gemini API প্রোভাইডার যাই হোক না কেন, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান প্রয়োজন।}

Gemini 3.x Flash Image মডেলের নাম (যেমন, "Nano Banana 2")

^{আপনার Gemini API প্রোভাইডার যাই হোক না কেন, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান প্রয়োজন।}

Gemini 3.x Flash‑Lite Image মডেলের নাম (যেমন, "Nano Banana 2 Lite")

^{আপনার Gemini API প্রোভাইডার যাই হোক না কেন, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান প্রয়োজন।}

অডিও - টেক্সট-টু-স্পিচ (TTS) মডেল

Gemini 3.x Flash TTSটি মডেলের নাম

^{আপনি Gemini Developer API ব্যবহার করলে, Blaze-এর পে-অ্যাজ-ইউ-গো প্রাইসিং প্ল্যান কি প্রয়োজন নেই?}

অডিও - Live API মডেল

Gemini 3.x Flash Liveটি মডেলের নাম

^{১ শুধুমাত্র Gemini Developer API-এর সাথে মানানসই। এছাড়াও, এটি প্রিভিউ মডেল হলেও, এটি Gemini Developer API-এর "ফ্রি টিয়ার" প্ল্যানে উপলভ্য।}

Gemini 2.5 Flash Liveটি মডেলের নাম

^{আপনি Gemini Developer API ব্যবহার করলে পে-অ্যাজ-ইউ-গো Blaze প্রাইসিং প্ল্যান কি প্রয়োজন নেই? (সাধারণত প্রিভিউ মডেলের জন্য পেড প্ল্যান প্রয়োজন হয়)।}

নিচের মডেলগুলির নাম আলাদা আলাদা হলেও, এগুলির ফিচার একই। এগুলি Gemini API প্রদানকারীর উপর নির্ভর করে।

^{১ শুধুমাত্র Gemini Developer API-এর সাথে কাজ করে। এছাড়াও, এগুলি প্রিভিউ মডেল হলেও, Gemini Developer API-এর "ফ্রি টিয়ার" প্ল্যানে উপলভ্য।
২ শুধুমাত্র Agent Platform Gemini API (formerly Vertex AI)-এ কাজ করে। এছাড়াও, এইসব মডেল উপলভ্য নেই global লোকেশন।}

সমর্থিত ভাষাগুলি

সাধারণ ব্যবহারের মডেল

সব Geminiসাধারণ-ব্যবহারের মডেল (যেমন, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite, Gemini 3.1 Pro এবং আগের 3.x মডেল) ১০০টিরও বেশি ভাষায় বুঝতে ও উত্তর দিতে পারে:

আফ্রিকান (af), আলবেনিয়ান (sq), আমহারিক (am), আরবি (ar), আর্মেনিয়ান (hy), অসমীয়া (as), আজারবাইজানি (az), বাস্ক (eu), বেলারুশিয়ান (be), বাংলা (bn), বোসনিয়ান (bs), বুলগেরিয়ান (bg), ক্যাটালান (ca), সেবুয়ানো (ceb), সরলীকৃত ও প্রথাগত চাইনিজ (zh), কর্সিকান (co), ক্রোয়েশিয়ান (hr), চেক (cs), ড্যানিশ (da), দিভেহি (dv), ডাচ (nl), ইংরেজি (en), এস্পেরান্তো (eo), এস্তোনিয়ান (et), ফিলিপিনো (টাগালগ) (fil), ফিনিশ (fi), ফরাসি (fr), ফ্রিজিয়ান (fy), গ্যালিশিয়ান (gl), জর্জিয়ান (ka), জার্মান (de), গ্রিক (el), গুজরাতি (gu), হাইতিয়ান ক্রিয়োল (ht), হাউসা (ha), হাওয়াইয়ান (haw), হিব্রু (iw), হিন্দি (hi), মং (hmn), হাঙ্গেরিয়ান (hu), আইসল্যান্ডিক (is), ইগবো (ig), ইন্দোনেশিয়ান (id), আইরিশ (ga), ইতালিয়ান (it), জাপানি (ja), জাভানিজ (jv), কন্নড় (kn), কাজাখ (kk), খমের (km), কোরিয়ান (ko), ক্রিও (kri), কুর্দিশ (ku), কিরগিজ (ky), লাও (lo), ল্যাটিন (la), লাটভিয়ান (lv), লিথুয়েনিয়ান (lt), লুক্সেমবার্গিশ (lb), ম্যাসিডোনিয়ান (mk), মালাগাসি (mg), মালয় (ms), মালয়ালম (ml), মাল্টিজ (mt), মাওরি (mi), মারাঠি (mr), মেইতেইলোন (মণিপুরী) (mni-Mtei), মঙ্গোলিয়ান (mn), মায়ানমার (বার্মিজ) (my), নেপালি (ne), নরওয়েজিয়ান (no), ন্যানজা (চিচেওয়া) (ny), ওড়িয়া (ওড়িয়া) (or), পশতু (ps), ফার্সি (fa), পোলিশ (pl), পর্তুগিজ (pt), পাঞ্জাবি (pa), রোমানিয়ান (ro), রাশিয়ান (ru), সামোয়ান (sm), স্কটস গ্যালিক (gd), সার্বিয়ান (sr), সেসোথো (st), শোনা (sn), সিন্ধি (sd), সিংহলি (সিংহালা) (si), স্লোভাক (sk), স্লোভেনিয়ান (sl), সোমালি (so), স্প্যানিশ (es), সুন্দানিজ (su), সোয়াহিলি (sw), সুইডিশ (sv), তাজিক (tg), তামিল (ta), তেলেগু (te), থাই (th), তুর্কি (tr), ইউক্রেনিয়ান (uk), উর্দু (ur), উইঘুর (ug), উজবেক (uz), ভিয়েতনামিজ (vi), ওয়েলশ (cy), খোসা (xh), ইডিশ (yi), ইওরুবা (yo) ও জুলু (zu)।

ছবি তৈরি করার মডেল

Gemini 3.x Image মডেলগুলি বিভিন্ন ভাষায় টেক্সট প্রম্পট গ্রহণ করতে পারে। তবে, নিম্নলিখিত ভাষা ও লোকেলে এগুলি সবচেয়ে ভালো পারফর্ম্যান্সের জন্য অপ্টিমাইজ করা হয়েছে (টেক্সট প্রম্পট ও জেনারেট করা ছবির মধ্যে টেক্সট রেন্ডার করার জন্য):

আরবি (ar-EG), জার্মান (de-DE), ইংরেজি (EN), স্প্যানিশ (es-MX), ফরাসি (fr-FR), হিন্দি (hi-IN), ইন্দোনেশিয়ান (id-ID), ইতালিয়ান (it-IT), জাপানি (ja-JP), কোরিয়ান (ko-KR), পর্তুগিজ (pt-BR), রাশিয়ান (ru-RU), ইউক্রেনিয়ান (uk-UA), ভিয়েতনামিজ (vi-VN) এবং সরলীকৃত চাইনিজ (zh-CN)।

প্রম্পট সংক্রান্ত পেশাদার পদ্ধতি ও ছবিতে টেক্সট জেনারেট করা সম্পর্কে আরও জানতে, ছবি জেনারেশনের জন্য কাজ করে এমন ভাষা দেখুন।

অডিও-জেনারেটিং মডেল (TTS ও Live API)

অডিও-জেনারেটিং মডেল, স্পিচ সিন্থেসিস এবং (Live API) রিয়েল-টাইম দ্বিমুখী ডায়ালগের জন্য অপ্টিমাইজ করা বিশেষ ভাষার সেটকে সাপোর্ট করে:

• টেক্সট-টু-স্পিচ (TTS) মডেল: Gemini 3.x TTS মডেল প্রায় ৮০টি ভাষা ও উপভাষায় স্পিচ অটোমেটিক শনাক্ত ও জেনারেট করতে পারে।

  কাজ করে এমন ভাষার সম্পূর্ণ তালিকা এবং উপলভ্য BCP-47 লোকেল কোড দেখতে, স্পিচ জেনারেশনের জন্য কাজ করে এমন ভাষা দেখুন।

• Live API মডেল: Live API মডেল প্রায় ৮০টি ভাষা ও উপভাষায় রিয়েল-টাইম, দ্বিমুখী ভয়েস ইন্টার‍্যাকশন সাপোর্ট করে।

  যেসব ভাষায় কাজ করে তার সম্পূর্ণ তালিকা দেখতে এবং কীভাবে বলা উত্তরের ভাষাকে প্রভাবিত করতে হয় তা জানতে, Live API-এর জন্য কাজ করে এমন ভাষা দেখুন।

আগের মডেল সম্পর্কে তথ্য

নিচে উল্লেখ করা মডেলগুলি অ্যাক্টিভ আছে, তবে সেগুলি আগের জেনারেশনের মডেল। সম্ভব হলে, আমরা লেটেস্ট মডেলগুলির মধ্যে কোনও একটি ব্যবহার করার সাজেশন দিই।

আপনি যদি নিম্নলিখিত উপ-বিভাগে আপনার প্রয়োজনীয় তথ্য খুঁজে না পান, তাহলে আপনার বেছে নেওয়া API প্রদানকারীর ডকুমেন্টেশনে আরও তথ্য খুঁজে পেতে পারেন: Gemini Developer API অথবা Agent Platform Gemini API (formerly Vertex AI)

পুরনো Gemini মডেল

• gemini-2.5-pro
• gemini-2.5-flash
• gemini-2.5-flash-lite
• gemini-2.5-flash-image (অর্থাৎ "Nano Banana")
• gemini-2.0-flash-001 (এবং এর অটোমেটিক আপডেট হওয়া অলিয়াস gemini-2.0-flash)
• gemini-2.0-flash-lite-001 (এবং এর অটোমেটিক আপডেট হওয়া অলিয়াস gemini-2.0-flash-lite)

পুরনো Gemini Live API মডেল সম্পর্কে তথ্য পেতে, Gemini API প্রোভাইডার ডকুমেন্টেশন দেখুন:

• gemini-2.0-flash-live-001
• gemini-2.0-flash-live-preview-04-09
• gemini-live-2.5-flash-preview

পুরনো Imagen মডেল

• 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

আগের মডেল সম্পর্কে বিবরণ দেখুন

পরবর্তী ধাপ

Gemini API-এর ক্ষমতা ব্যবহার করে দেখুন

• একাধিকবার কথোপকথন (চ্যাট) তৈরি করো।
• শুধুমাত্র টেক্সট প্রম্পট থেকে টেক্সট জেনারেট করো।
• বিভিন্ন ধরনের ফাইল ব্যবহার করে প্রম্পট করার মাধ্যমে টেক্সট তৈরি করুন, যেমন ছবি, পিডিএফ, ভিডিও এবং অডিও।
• টেক্সট ও মাল্টিমোডাল প্রম্পট, দু'টি থেকেই স্ট্রাকচার্ড আউটপুট (যেমন JSON) তৈরি করো ।
• টেক্সট ও মাল্টিমোডাল প্রম্পট, দুই ধরনের প্রম্পট থেকেই ছবি জেনারেট ও এডিট করা যায়।
• স্পিচ জেনারেট করা (সিঙ্গেল ও মাল্টিপল স্পিকার) Gemini টেক্সট-টু-স্পিচ (TTS) মডেল ব্যবহার করে।
• Gemini Live API ব্যবহার করে স্ট্রিম ইনপুট ও আউটপুট (অডিও সহ) দেখুন।
• আপনার অ্যাপের অন্যান্য অংশ এবং এক্সটার্নাল সিস্টেম ও তথ্যের সাথে Gemini মডেল কানেক্ট করতে, টুল ব্যবহার করুন (যেমন ফাংশন কলিং এবং গ্রাউন্ডিংয়ের সাথে Google Search বা Google Maps)