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

مدل عملکردی کلاس پیشرو 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)

تولید تصویر

gemini-nano-banana-2.1

مدل قدرتمند سریع و مقرون‌به‌صرفه برای تولید تصویر با کیفیت بالا و ویرایش مکالمه‌ای. (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

مدل عملکردی کلاس پیشرو 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 تولیدکننده تصویر (Nano Banana)

رفتن به جدول‌های حاوی جزئیات مدل

gemini-nano-banana-2.1

مدل اصلی و پرکار برای تولید تصویر و ویرایش مکالمه‌ای. سریع و مقرون‌به‌صرفه، با کیفیت دیداری بهبودیافته، پرداز زدن نوشتار، و سازگاری چندنوبتی. (صورت‌حساب الزامی است)

gemini-3.1-flash-image

مدل بسیار کارآمدی که برای تولید سریع و قابل‌اعتماد تصویر در حجم‌های کاری تولید بهینه‌سازی شده است. (صورت‌حساب الزامی است)

gemini-3.1-flash-lite-image

مدل مقرون‌به‌صرفه با تأخیر بسیار کم که برای موارد استفاده تعاملی هم‌زمان با حجم بالا طراحی شده است. (صورت‌حساب الزامی است)

gemini-3-pro-image

مدل پیشرفته برای پیام‌واره‌های تصویری پیچیده، برونداد ساختاریافته، و حداکثر وفاداری دیداری. (صورت‌حساب الزامی است)

مدل‌های تولیدکننده صدا

مدل‌های نوشتار به گفتار (TTS)

می‌توانید با مدل‌های Gemini «نوشتار به گفتار» 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:
پشتیبانی نمی‌شود

تعاملات صوتی و تصویری هم‌زمان با تأخیر کم را با مدل Gemini که دوجهتی است ممکن 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 تصویری هم‌زمان با تأخیر کم را با مدل Gemini که دوجهتی است ممکن 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 شرح می‌دهد. 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
Nano Banana
2, 2.1 		Gemini
Nano Banana
2 Lite 		Gemini
Nano Banana
Pro 		Gemini 3.x
Flash
TTS 		Gemini
Live
انواع ورودی
نوشتار
کد
اسناد
(PDF یا نوشتار ساده)
تصاویر
ویدیو
صوتی
انواع برونداد
نوشتار
نوشتار (جاری‌سازی)
کد
خروجی ساختاریافته
(مانند 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
Nano Banana
2, 2.1 		Gemini
Nano Banana
2 Lite 		Gemini
Nano Banana
Pro 		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 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 کردن صدا صدای جاری‌سازی‌شده
گپ چندنوبتی
جاری‌سازی چندحالتی دوطرفه
ابزارهای پشتیبانی‌شده
فراخوانی تابع
اجرای کد
بافت نشانی وب
مبنا قرار دادن با Google Search
مبنا قرار دادن 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
Nano Banana
2, 2.1 		Gemini
Nano Banana
2 Lite 		Gemini
Nano Banana
Pro 		Gemini 3.x
Flash
TTS 		Gemini
Live
حد داده‌واحد ورودی * ‫۱٬۰۴۸٬۵۷۶
داده‌واحد		 ‫۱٬۰۴۸٬۵۷۶
داده‌واحد		 ‫۱۳۱٬۰۷۲
داده‌واحد		 ‫۶۵٬۵۳۶
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		 ‫۴٬۰۹۶
کد		 ‫۳۲٬۷۶۸
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
تصاویر 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 داده‌واحد ورودی تا حد داده‌واحد 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 توکن‌ها 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 نسخه مدلی که به آن اشاره می‌کنند، توصیه نمی‌شوند.

حتماً روال‌های مطلوب ما 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 در تولید 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 به‌مدت 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، خاموش (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 مربوطه‌شان، 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 مربوطه‌شان، 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 مهم است که از Firebase Remote Config یا الگوهای پیام‌واره سرور استفاده کنید تا نام مدل استفاده‌شده برای ویژگی هوش مصنوعی‌تان را کنترل کنید.

  • از نسخه‌های پیش‌نمایش و آزمایشی فقط درطول نمونه‌سازی استفاده کنید. توصیه می‌کنیم هنگام شروع توسعه و آزمایش برای مورد استفاده تولید، 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 گونه مدل خاص اشاره می‌کند (که می‌تواند نسخه پایدار، پیش‌نمایش، یا آزمایشی باشد). این نام مستعار با هر نسخه جدید از یک مدل خاص به‌صورت داغ تعویض می‌شود و فقط برای تغییرات ناسازگار، یک ایمیل اعلان ۲ هفته قبل ارسال خواهد شد. این ناپایداری در اینکه واقعاً از کدام مدل استفاده می‌کنید می‌تواند منجر به تغییرات رفتاری غیرمنتظره برای ویژگی هوش مصنوعی شما شود.


نام‌های مدل دردسترس

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

برای نمونه‌های مقداردهی اولیه برای پلاتفرم خود، راهنمای شروع به کار را ببینید.

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

فهرست کردن همه مدل‌های دردسترس به‌صورت برنامه‌نویسی

می‌توانید نام همه مدل‌های دردسترس را بااستفاده از REST API 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 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 با 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 نسخه‌سازی مدل و الگوهای نام‌گذاری مراجعه کنید). 		رده 2026-09-02 اعلام خواهد شد
gemini-3.7-flash نسخه پایدار Gemini 3.x Flash
این یک 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 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 نه زودتر از
‫۲۰۲۷/۰۵/۰۷

مدل‌های تولیدکننده تصویر (Nano Banana)

‫Gemini Nano Banana 2.1 نام مدل

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

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-nano-banana-2.1 نسخه پایدار Gemini Nano Banana 2.1
این مدل دردسترس کوتاه‌مدت است (به نسخه‌بندی مدل و الگوهای نام‌گذاری مراجعه کنید). 		رده 2026-10-06 اعلام خواهد شد

‫Gemini Nano Banana 2 نام مدل

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

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-image نسخه پایدار Gemini Nano Banana 2 رده 2026-05-28 نه زودتر از
۲۰۲۷-۰۵-۲۸

‫Gemini Nano Banana 2 Lite نام مدل

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

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3.1-flash-lite-image نسخه پایدار Gemini Nano Banana 2 Lite
این مدل دردسترس کوتاه‌مدت است (به نسخه‌بندی مدل و الگوهای نام‌گذاری مراجعه کنید). 		رده 2026-06-30 اعلام خواهد شد

‫Gemini Nano Banana Pro نام مدل

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

نام مدل شرح مرحله انتشار تاریخ انتشار تاریخ توقف
gemini-3-pro-image نسخه پایدار Gemini Nano Banana Pro رده 2026-05-28 نه زودتر از
۲۰۲۷-۰۵-۲۸

مدل‌های صوتی - نوشتار به گفتار (TTS)

‫Gemini 3.x Flash TTS 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-3.1-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 Gemini API نام‌های 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، با اینکه این مدل‌ها پیش‌نمایش هستند، در «سطح رایگان» Gemini Developer API دردسترس‌اند.
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 بفهمند و پاسخ دهند:

آذربایجانی (az)، آفریکانس (af)، آلبانیایی (sq)، آلمانی (de)، آمهاری (am)، اردو (ur)، ارمنی (hy)، ازبکی (uz)، اسپانیایی (es)، اسپرانتو (eo)، استونیایی (et)، اسلواکی (sk)، اسلوونیایی (sl)، اوکراینی (uk)، اویغوری (ug)، ایتالیایی (it)، ایرلندی (ga)، ایسلندی (is)، ایگبو (ig)، باسکی (eu)، بلاروسی (be)، بلغاری (bg)، بنگالی (bn)، بوسنیایی (bs)، پرتغالی (ca)، پنجابی (ceb)، پشتو (bn)، تاجیکی (tg)، تامیلی (ta)، تایلندی (th)، ترکی (tr)، تلوگو (te)، جاوه‌ای (jv)، 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)، شونا (sn)، صربی (sr)، عبری (iw)، عربی (ar)، فارسی (fa)، فرانسوی (fr)، فریسی (fy)، فیلیپینی (تاگالوگ) (fil)، فنلاندی (fi)، قرقیزی (ky)، کاتالان (ca)، کرواتی (hr)، کره‌ای (ko)، کردی (ku)، کریو (kri)، گالیسی (gl)، گرجی (ka)، گجراتی (gu)، گالیک اسکاتلندی (gd)، لائوسی (lo)، لتونیایی (lv)، لهستانی (pl)، لیتوانیایی (lt)، مائوری (mi)، مجاری (hu)، مراتی (mr)، مقدونی (mk)، مالایی (ms)، مالایالام (ml)، مالتی (mt)، مغولی (mn)، میانماری (برمه‌ای) (my)، نپالی (ne)، نروژی (no)، ولزی (cy)، ویتنامی (vi)، هائیتی (ht)، هلندی (nl)، هندی (hi)، هوسا (ha)، هاوایی (haw)، ییدیش (yi)، یوروبایی (yo)، یونانی (el)، آسامی (as)، سبوانو (ceb)، کرسی (co)، دیوهی (dv)، همونگ (hmn)، لوکزامبورگی (lb)، مالاگاسی (mg)، میتیلون (مانیپوری) (mni-Mtei)، نیانجا (چیچوا) (ny)، اودیا (اوریا) (or)، سسوتو (st)، سندی (sd)، سومالیایی (so)، خوسایی (xh).csenidknkklapsptpa

مدل‌های تولیدکننده تصویر (Nano Banana)

مدل‌های Gemini Nano Banana 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)، اوکراینی (fr-FR)، ایتالیایی (hi-IN)، پرتغالی (id-ID)، چینی ساده‌شده (it-IT)، روسی (ja-JP)، ژاپنی (ko-KR)، عربی (pt-BR)، فرانسوی (ru-RU)، کره‌ای (uk-UA)، ویتنامی (vi-VN)، و هندی (zh-CN).

برای کسب اطلاعات بیشتر درباره روال‌های مطلوب پیام‌واره و تولید نوشتار در تصاویر، به زبان‌های پشتیبانی‌شده برای تولید تصویر مراجعه کنید.

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، زبان‌های پشتیبانی‌شده برای Live API را ببینید.


اطلاعات مربوط به 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 (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 اسناد ارائه‌دهنده Gemini API 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

قابلیت‌های Gemini API را امتحان کنید