W przypadku aplikacji mobilnych i internetowych pakiety SDK Firebase AI Logic umożliwiają interakcję z obsługiwanymi modelami Gemini bezpośrednio z aplikacji.
Modele Gemini są uważane za multimodalne, ponieważ mogą przetwarzać, a nawet generować różne typy danych, w tym tekst, kod, pliki PDF, obrazy, filmy i dźwięk.
Zapoznaj się też z najczęstszymi pytaniami na temat wszystkich modeli, które Firebase AI Logic obsługuje i których nie obsługuje.
Polecane modele
Gemini 4 Argon
gemini-4-argon
Zaawansowane wnioskowanie i rozbudowane rozpoznawanie multimodalne do obsługi złożonych przypadków użycia i inteligentnych przepływów pracy w aplikacji.
Gemini 3.8 Flash
gemini-3.8-flash
Model o najwyższej wydajności, który konkuruje z większymi modelami za ułamek ich ceny.
Gemini 3.5 Flash-Lite
gemini-3.5-flash-lite
Wydajny i ekonomiczny model do obsługi dużego ruchu, który zapewnia wydajność i jakość serii Gemini 3.
Gemini Nano Banana 2.1
gemini-nano-banana-2.1
Szybki i ekonomiczny model do generowania obrazów wysokiej jakości i edytowania w trybie konwersacyjnym.
Modele ogólnego zastosowania
Przejdź do tabel ze szczegółami modelu
Gemini 4 Argon
gemini-4-argon
Zaawansowane wnioskowanie i rozbudowane rozpoznawanie multimodalne do obsługi złożonych przypadków użycia i inteligentnych przepływów pracy w aplikacji.
Gemini 3.8 Flash
gemini-3.8-flash
Model o najwyższej wydajności, który konkuruje z większymi modelami za ułamek ich ceny.
Gemini 3.5 Flash-Lite
gemini-3.5-flash-lite
Wydajny i ekonomiczny model do obsługi dużego ruchu, który zapewnia wydajność i jakość serii Gemini 3.
Modele generujące obrazy (Nano Banana)
Przejdź do tabel ze szczegółami modelu
Gemini Nano Banana 2.1
gemini-nano-banana-2.1
Podstawowy model do generowania obrazów i edycji konwersacyjnej. Szybki i ekonomiczny, z ulepszoną jakością obrazu, renderowaniem tekstu i spójnością w wielu turach.
Gemini Nano Banana 2
gemini-3.1-flash-image
Wysoce wydajny model zoptymalizowany pod kątem szybkiego i niezawodnego generowania obrazów w produkcyjnych zbiorach zadań.
Gemini Nano Banana 2 Lite
gemini-3.1-flash-lite-image
Model o bardzo małym opóźnieniu i korzystnym stosunku jakości do ceny, przeznaczony do zastosowań interaktywnych w czasie rzeczywistym i na dużą skalę.
Gemini Nano Banana Pro
gemini-3-pro-image
Najnowocześniejszy model do złożonych promptów graficznych, ustrukturyzowanych danych wyjściowych i maksymalnej wierności wizualnej.
Modele generujące dźwięk
Modele zamiany tekstu na mowę (TTS)
Możesz generować mowę z tekstu za pomocą modeli TTS Gemini.
Przejdź do tabel ze szczegółami modelu
Gemini 3.x Flash TTS
gemini-3.1-flash-tts-preview
Wydajne generowanie mowy z tekstu wejściowego z krótkim czasem oczekiwania.
Live API modelu
Możesz generować dwukierunkowy strumieniowy dźwięk za pomocą modeli, które obsługują Gemini Live API.
Przejdź do tabel ze szczegółami modelu
Gemini 3.x Flash z natywnym dźwiękiem Gemini Live API
Gemini Developer API:gemini-3.1-flash-live-preview
Agent Platform Gemini API:
nieobsługiwane
Umożliwia dwukierunkowe interakcje głosowe i wideo w czasie rzeczywistym z niewielkimi opóźnieniami z modelem Gemini.
Gemini 2.5 Flash z natywnym dźwiękiem Gemini Live API
Gemini Developer API:gemini-2.5-flash-native-audio-preview-12-2025
Interfejs Gemini API na platformie agentów:gemini-live-2.5-flash-native-audio
Umożliwia dwukierunkowe interakcje głosowe i wideo w czasie rzeczywistym z niewielkimi opóźnieniami z modelem Gemini.
W dalszej części tej strony znajdziesz szczegółowe informacje o modelach obsługiwanych przez Firebase AI Logic.
-
- Obsługiwane dane wejściowe i wyjściowe
- Ogólne porównanie obsługiwanych funkcji
- specyfikacje i ograniczenia, np. maksymalna liczba tokenów wejściowych lub maksymalna długość filmu wejściowego;
Opis sposobu obsługi wersji modeli, w szczególności ich wersji stabilnych, testowych i eksperymentalnych.
Listy dostępnych nazw modeli, które można uwzględnić w kodzie podczas inicjowania.
listy obsługiwanych języków dla modeli,
U dołu tej strony możesz wyświetlić szczegółowe informacje o modelach poprzedniej generacji.
Porównanie modeli
Każdy model ma inne możliwości, które pozwalają na obsługę różnych przypadków użycia. Pamiętaj, że każda tabela w tej sekcji opisuje każdy model używany z Firebase AI Logic. Każdy model może mieć dodatkowe funkcje, które nie są dostępne podczas korzystania z naszych pakietów SDK.
Jeśli nie możesz znaleźć informacji, których szukasz, w poniższych podsekcjach, więcej informacji znajdziesz w dokumentacji wybranego dostawcy interfejsu API: Gemini Developer API lub Agent Platform Gemini API (formerly Vertex AI).
Obsługiwane dane wejściowe i wyjściowe
W tabeli poniżej znajdziesz obsługiwane typy danych wejściowych i wyjściowych podczas korzystania z poszczególnych modeli w Firebase AI Logic.
Więcej informacji o obsługiwanych typach plików znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania.
|
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 |
|
|---|---|---|---|---|---|---|---|
| Rodzaje informacji wejściowych | |||||||
| Tekst | |||||||
| Kod | |||||||
| Dokumenty (pliki PDF lub zwykły tekst) |
|||||||
| Obrazy | |||||||
| Wideo | |||||||
| Dźwięk | |||||||
| Typy wyjściowe | |||||||
| Tekst | |||||||
| Tekst (strumieniowanie) | |||||||
| Kod | |||||||
| Uporządkowane dane wyjściowe (np. JSON) |
|||||||
| Obrazy | |||||||
| Wideo | |||||||
| Dźwięk | |||||||
Obsługiwane możliwości i funkcje
W tabeli poniżej znajdziesz obsługiwane funkcje i możliwości podczas korzystania z poszczególnych modeli w Firebase AI Logic.
Specyfikacje i ograniczenia
W tabeli poniżej znajdziesz specyfikacje i ograniczenia dotyczące korzystania z poszczególnych modeli w Firebase AI Logic.
| Właściwość |
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 |
|---|---|---|---|---|---|---|---|
| Limit tokenów wejściowych * | 1 048 576 tokenów |
1 048 576 tokenów |
131 072 tokeny |
65 536 tokenów |
65 536 tokenów |
8192 tokeny |
zobacz dokumentację |
| Limit tokenów wyjściowych * | 32 768 tokenów (bez strumieniowania) 65 536 tokenów (ze strumieniowaniem) ** |
65 536 tokenów |
32 768 tokenów |
4096 tokenów |
32 768 tokenów |
16 384 tokeny |
|
| Pliki PDF (na żądanie) | |||||||
| Maksymalna liczba wejściowych plików PDF*** |
900 plików | 900 plików | 14 plików | 14 plików | 14 plików | --- | zobacz dokumentację |
| Maksymalna liczba stron na wejściowy plik PDF*** |
900 stron, | 900 stron, | 14 stron | 14 stron | 14 stron | --- | |
| Maksymalny rozmiar na plik PDF |
50 MB | 50 MB | 50 MB | 50 MB | 50 MB | --- | |
| Grafika (na żądanie) | |||||||
| Maksymalna liczba obrazów wejściowych |
1000 obrazów. | 1000 obrazów. | 14 obrazów | 14 obrazów | 14 obrazów | --- | zobacz dokumentację |
| Maksymalny rozmiar na obraz wejściowy zakodowany w formacie base64 |
7 MB | 7 MB | 7 MB | 7 MB | 7 MB | --- | |
| Maksymalna liczba obrazów wyjściowych |
--- | --- | Do limitu tokenów wyjściowych | Do limitu tokenów wyjściowych | Do limitu tokenów wyjściowych | --- | |
| Wideo (na żądanie) | |||||||
| Maksymalna liczba wejściowych plików wideo |
10 plików | 10 plików | Do limitu tokenów wejściowych | Do limitu tokenów wejściowych | --- | --- | zobacz dokumentację |
| Maksymalna długość wszystkich filmów wejściowych (tylko klatki) |
~60 minut | ~60 minut | ~25 minut | ~12 minut | --- | --- | |
| Maksymalna długość wszystkich filmów wejściowych (klatki + dźwięk) |
~45 minut | ~45 minut | --- | --- | --- | --- | |
| Dźwięk (z uwzględnieniem żądań) | |||||||
| Maksymalna liczba wejściowych plików audio |
1 plik | 1 plik | --- | --- | --- | --- | zobacz dokumentację |
| Maksymalna długość wszystkich wejściowych plików audio |
~8,4 godz. | ~8,4 godz. | --- | --- | --- | --- | |
*
W przypadku wszystkich modeli Gemini token odpowiada około 4 znakom, więc 100 tokenów to około 60–80 słów w języku angielskim. W przypadku modeli Gemini możesz określić łączną liczbę tokenów w żądaniach za pomocą countTokens.
**
W przypadku gemini-4-argon usługa Firebase AI Logic nie obsługuje jeszcze długiego dekodowania, ale ta funkcja będzie dostępna już wkrótce.
*** Pliki PDF są traktowane jako obrazy, więc pojedyncza strona pliku PDF jest traktowana jako 1 obraz. Liczba stron dozwolonych w żądaniu jest ograniczona do liczby obrazów, które model może obsłużyć.
Znajdowanie dodatkowych szczegółowych informacji
Limity i ceny różnią się w zależności od modelu. Ceny zależą też od danych wejściowych i wyjściowych.
Więcej informacji o obsługiwanych typach plików wejściowych, sposobie określania typu MIME oraz o tym, jak upewnić się, że pliki wejściowe i żądania multimodalne spełniają wymagania i są zgodne ze sprawdzonymi metodami, znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania.
Wersjonowanie modeli i wzorce nazewnictwa
Modele są oferowane w wersjach stabilnych, testowych i eksperymentalnych. Dla wygody obsługiwane są aliasy -latest
Zapoznaj się ze sprawdzonymi metodami korzystania z wersji modelu.
Aby znaleźć konkretne nazwy modeli do użycia w kodzie, zapoznaj się z sekcją „Dostępne nazwy modeli” w dalszej części tej strony.
| Typ wersji / Etap wersji |
Opis | Wzorzec nazwy modelu | |
|---|---|---|---|
| Stabilny |
Wersje stabilne są dostępne i obsługiwane do użytku produkcyjnego od daty wydania.
|
Nazwy modeli wersji stabilnych nie mają sufiksu.
Przykłady: |
|
| Podgląd |
Wersje testowe mają nowe funkcje i są uważane za niestabilne.
|
Nazwy modeli w wersji testowej są uzupełniane o
Przykład: |
|
| Eksperymentalne |
Wersje eksperymentalne mają nowe funkcje i są uważane za niestabilne.
|
Nazwy modeli wersji eksperymentalnych są uzupełniane o
Przykład: |
|
| Wyłączenie (wycofanie) |
Wersje wyłączone (wycofane) przekroczyły datę wyłączenia (wycofania) i zostały trwale dezaktywowane.
|
--- |
|
Sprawdzone metody korzystania z wersji modelu
W aplikacjach produkcyjnych używaj jednoznacznej nazwy modelu dla najnowszej wersji stabilnej.
Jeśli w przypadku Agent Platform Gemini API (formerly Vertex AI) zdecydujesz się używać w aplikacji produkcyjnej modelu dostępnego przez krótki czas, jeszcze ważniejsze jest, aby używać Firebase Remote Config lub szablonów promptów serwera do kontrolowania nazwy modelu używanej w funkcji opartej na AI.
Używaj wersji testowych i eksperymentalnych tylko podczas prototypowania. Zalecamy używanie wersji stabilnej, gdy zaczynasz programowanie i testowanie w przypadku zastosowania produkcyjnego.
Nie zalecamy używania aliasów
-latest
Dostępne nazwy modeli
Nazwy modeli to jawne wartości, które uwzględniasz w kodzie podczas inicjowania modelu.
Modele ogólnego zastosowania (takie jak
gemini-4-argonlubgemini-3.8-flash)Modele generujące obrazy (Nano Banana) (np.
gemini-nano-banana-2.1)Modele generujące dźwięk:
- Modele zamiany tekstu na mowę (TTS)
(np.
gemini-3.1-flash-tts-preview) - Modele Live API
(takie jak
gemini-live-2.5-flash-native-audio)
- Modele zamiany tekstu na mowę (TTS)
(np.
Przykłady inicjowania na Twojej platformie znajdziesz w przewodniku dla początkujących.
Szczegółowe informacje o etapach wersji (zwłaszcza o przypadkach użycia, rozliczeniach i wyłączaniu) znajdziesz w artykule o wzorcach nazewnictwa i wersjonowania modeli.
Wyświetlanie listy wszystkich dostępnych modeli za pomocą kodu
Możesz wyświetlić listę wszystkich dostępnych nazw modeli za pomocą interfejsu REST API:
Gemini Developer API: wywołaj punkt końcowy
models.listAgent Platform Gemini API (formerly Vertex AI): wywołaj punkt końcowy
publishers.models.list
Pamiętaj, że zwrócona lista będzie zawierać wszystkie modele obsługiwane przez dostawców Gemini API, ale Firebase AI Logic obsługuje tylko modele Gemini opisane na tej stronie.
Modele ogólnego zastosowania
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-4-argon 1
Data wydania: 13 października 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-3.8-flash
Data wydania: 2 września 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
gemini-3.7-flash 2
Data wydania: 13 sierpnia 2026 r. Etap wersji: stabilna |
Żądania kierowane do: gemini-3.8-flash
Zamiennik: gemini-3.8-flash
|
Data wyłączenia: 28 stycznia 2027 r.
Zamiennik: gemini-3.8-flash
|
gemini-3.6-flash 2
Data wydania: 21 lipca 2026 r. Etap wersji: stabilna |
Data wyłączenia: ---
Zamiennik: gemini-3.8-flash
|
Data wyłączenia: 19 listopada 2026 r.
Zamiennik: gemini-3.8-flash
|
gemini-3.5-flash
Data wydania: 19 maja 2026 r. Etap wersji: stabilna |
Żądania kierowane do: gemini-3.6-flash
Zamiennik: gemini-3.8-flash
|
Data wyłączenia: ---
Zamiennik: gemini-3.8-flash
|
gemini-3.5-flash-lite
Data wydania: 21 lipca 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
gemini-3.1-flash-lite
Data wydania: 7 maja 2026 r. Etap wersji: stabilna |
Data wyłączenia: ---
Zamiennik: gemini-3.5-flash-lite
|
Data wyłączenia: ---
Zamiennik: gemini-3.5-flash-lite
|
gemini-3.1-pro-preview
Data wydania: 19 lutego 2026 r. Etap wersji: wersja testowa |
Data wyłączenia: ---
Zamiennik: gemini-4-argon
|
Data wyłączenia: ---
Zamiennik: gemini-4-argon
|
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-2.5-pro
Data wydania: 17 czerwca 2025 r. Etap wersji: stabilna |
Żądania kierowane do: gemini-3.8-flash (od 1 grudnia 2026 r.)
Zastąpienie: gemini-3.8-flash
|
Data wyłączenia: 20 października 2026 r.
Zamiennik: gemini-3.8-flash
|
gemini-2.5-flash
Data wydania: 17 czerwca 2025 r. Etap wersji: stabilna |
Żądania kierowane do: gemini-3.5-flash-lite (od 1 grudnia 2026 r.)
Zastąpienie: gemini-3.5-flash-lite
|
Data wyłączenia: 20 października 2026 r.
Zamiennik: gemini-3.5-flash-lite
|
gemini-2.5-flash-lite
Data wydania: 22 lipca 2025 r. Etap wersji: stabilna |
Data wyłączenia: ---
Zamiennik: gemini-3.5-flash-lite
|
Data wyłączenia: 20 października 2026 r.
Zamiennik: gemini-3.5-flash-lite
|
1 Wymaga abonamentu Blaze z płatnością według wykorzystania niezależnie od dostawcy Gemini API.
2 W przypadku Agent Platform Gemini API (formerly Vertex AI) jest to „model krótkoterminowej dostępności”. Zobacz Wersje modeli i wzorce nazewnictwa
Bardzo stare modele ogólnego zastosowania, które zostały wyłączone:
gemini-1.0-pro,
gemini-1.0-pro-001,
gemini-1.0-pro-002,
gemini-1.0-pro-vision,
gemini-1.0-pro-vision-001
gemini-1.5-flash-001,
gemini-1.5-flash,
gemini-1.5-flash-002,
gemini-1.5-pro-001,
gemini-1.5-pro,
gemini-1.5-pro-002,
gemini-2.0-flash-lite,
gemini-2.0-flash-lite-001,
gemini-2.0-flash,
gemini-2.0-flash-001
Modele generujące obrazy (Nano Banana)
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-nano-banana-2.1 1, 2
Data wydania: 6 października 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
gemini-3.1-flash-image 1
Data wydania: 28 maja 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
gemini-3.1-flash-lite-image 1
Data wydania: 30 czerwca 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
gemini-3-pro-image 1
Data wydania: 28 maja 2026 r. Etap wersji: stabilna |
Data wyłączenia: --- | Data wyłączenia: --- |
1 Wymaga abonamentu Blaze z płatnością według wykorzystania niezależnie od dostawcy Gemini API.
2 W przypadku Agent Platform Gemini API (formerly Vertex AI) jest to „model krótkoterminowej dostępności”. Zobacz Wersje modeli i wzorce nazewnictwa
Bardzo stare modele do generowania obrazów, które zostały wyłączone:
gemini-2.5-flash-image,
imagen-3.0-fast-generate-001,
imagen-3.0-generate-001,
imagen-3.0-generate-002,
imagen-3.0-capability-001,
imagen-4.0-ultra-generate-001,
imagen-4.0-fast-generate-001,
imagen-4.0-generate-001
Modele audio – zamiana tekstu na mowę (TTS)
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-3.1-flash-tts-preview
Data wydania: 17 czerwca 2026 r. Etap wersji: wersja testowa |
Data wyłączenia: --- | Data wyłączenia: --- |
Dźwięk – modele: Live API
| Model | Gemini Developer API | Agent Platform Gemini API |
|---|---|---|
gemini-3.1-flash-live-preview
Data wydania: 26 marca 2026 r. Etap wersji: wersja testowa |
Data wyłączenia: --- | Nieobsługiwane |
gemini-live-2.5-flash-native-audio
Data wydania: 12 grudnia 2025 r. Etap wersji: stabilna |
Nieobsługiwane | Data wyłączenia: --- |
gemini-2.5-flash-native-audio-preview-12-2025
Data wydania: 12 grudnia 2025 r. Etap wersji: wersja testowa |
Data wyłączenia: ---
Zamiennik: gemini-3.1-flash-live-preview
|
Nieobsługiwane |
gemini-live-2.5-flash-preview-native-audio-09-2025
Data wydania: 18 września 2025 r. Etap wersji: wersja testowa |
Nieobsługiwane |
Data wyłączenia: ---
Zamiennik: gemini-live-2.5-flash-native-audio
|
gemini-2.5-flash-native-audio-preview-09-2025
Data wydania: 18 września 2025 r. Etap wersji: wersja testowa |
Data wyłączenia: ---
Zamiennik: gemini-3.1-flash-live-preview
|
Nieobsługiwane |
Bardzo stare modele Live API, które zostały wyłączone:
gemini-2.0-flash-live-preview-04-09,
gemini-2.0-flash-live-001,
gemini-live-2.5-flash-preview
Obsługiwane języki
Modele ogólnego zastosowania
Wszystkie modele ogólnego zastosowania Gemini (takie jak Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite i wcześniejsze modele 3.x) rozumieją ponad 100 języków i odpowiadają w nich:
afrikaans (af), albański (sq), amharski (am), angielski (en), arabski (ar), asamski (as), azerski (az), baskijski (eu), bengalski (bn), białoruski (be), birmański (hy), bośniacki (bs), bułgarski (bg), cebuański (ceb), chiński uproszczony i tradycyjny (zh), chorwacki (hr), czeski (cs), duński (da), esperanto (eo), estoński (et), filipiński (tagalski) (fil), fiński (fi), francuski (fr), fryzyjski (fy), galicyjski (gl), grecki (el), gruziński (ka), gudżarati (gu), haitański (ht), hausa (ha), hawajski (haw), hebrajski (iw), hindi (hi), hiszpański (fr), hmong (hmn), igbo (ig), indonezyjski (id), irlandzki (ga), islandzki (is), japoński (ja), jawajski (jv), jidysz (yi), joruba (yo), kannada (kn), kataloński (ca), kazachski (kk), khmerski (km), koreański (ko), korsykański (co), kreolski haitański (ht), krio (kri), kurdyjski (ku), kirgiski (ky), laotański (lo), litewski (lt), łaciński (la), łotewski (lv), macedoński (mk), malajalam (ml), malajski (ms), malgaski (mg), maltański (mt), maoryski (mi), marathi (mr), meitei (manipuri) (mni-Mtei), mjanmański (birmański) (my), mongolski (mn), niderlandzki (nl), niemiecki (de), nepalski (ne), norweski (no), nyanja (czewa) (ny), odia (orija) (or), ormiański (hy), paszto (ps), perski (fa), polski (pl), portugalski (pt), pendżabski (pa), rosyjski (ru), rumuński (ro), samoański (sm), serbski (sr), sesotho (st), shona (sn), sindhi (sd), słowacki (sk), słoweński (sl), somalijski (so), sundajski (su), suahili (sw), szwedzki (sv), szkocki gaelicki (gd), tadżycki (tg), tagalski (fil), tajski (th), tamilski (ta), telugu (te), turecki (tr), ujgurski (ug), ukraiński (uk), urdu (ur), uzbecki (uz), walijski (cy), węgierski (hu), wietnamski (vi), włoski (it), xhosa (xh), zulu (zu).dvlbsies
Modele generujące obrazy (Nano Banana)
Modele Gemini Nano Banana akceptują prompty tekstowe w wielu językach. Są one jednak zoptymalizowane pod kątem najlepszej wydajności (zarówno w przypadku promptów tekstowych, jak i renderowania tekstu w obrazach wygenerowanych przez AI) w tych językach i regionach:
angielski (EN), arabski (ar-EG), chiński uproszczony (zh-CN), francuski (fr-FR), hindi (hi-IN), hiszpański (es-MX), indonezyjski (id-ID), japoński (ja-JP), koreański (ko-KR), niemiecki (de-DE), portugalski (pt-BR), rosyjski (ru-RU), ukraiński (uk-UA), wietnamski (vi-VN) i włoski (it-IT).
Więcej informacji o sprawdzonych metodach dotyczących promptów i generowaniu tekstu na obrazach znajdziesz w artykule Obsługiwane języki do generowania obrazów.
Modele generujące dźwięk (TTS i Live API)
Modele generujące dźwięk obsługują specjalistyczne zestawy językowe zoptymalizowane pod kątem syntezy mowy i (w przypadku Live API) dwukierunkowego dialogu w czasie rzeczywistym:
Modele zamiany tekstu na mowę (TTS): modele Gemini 3.x TTS mogą automatycznie wykrywać i generować mowę w prawie 80 językach i dialektach.
Pełną listę obsługiwanych języków i dostępnych kodów ustawień regionalnych BCP-47 znajdziesz w artykule Obsługiwane języki generowania mowy.
Modele Live API: modele Live API obsługują dwukierunkowe interakcje głosowe w czasie rzeczywistym w prawie 80 językach i dialektach.
Aby zobaczyć pełną listę obsługiwanych języków i dowiedzieć się, jak wpłynąć na język odpowiedzi głosowej, zapoznaj się z artykułem Obsługiwane języki w Live API.
informacje o poprzednich modelach,
Ta sekcja zawiera informacje o modelach poprzedniej generacji. Więcej informacji o wycofywaniu i wyłączaniu tych starszych modeli (oraz o zalecanych modelach zastępczych) znajdziesz w najczęstszych pytaniach dotyczących wycofanych i wyłączonych modeli.
Modele ogólnego zastosowania, które zostały wyłączone:
gemini-1.0-pro,gemini-1.0-pro-001,gemini-1.0-pro-002,gemini-1.0-pro-vision,gemini-1.0-pro-vision-001gemini-1.5-flash-001,gemini-1.5-flash,gemini-1.5-flash-002,gemini-1.5-pro-001,gemini-1.5-pro,gemini-1.5-pro-002,gemini-2.0-flash-lite,gemini-2.0-flash-lite-001,gemini-2.0-flash,gemini-2.0-flash-001Modele do generowania obrazów, które zostały wyłączone:
gemini-2.5-flash-image,imagen-3.0-fast-generate-001,imagen-3.0-generate-001,imagen-3.0-generate-002,imagen-3.0-capability-001,imagen-4.0-ultra-generate-001,imagen-4.0-fast-generate-001,imagen-4.0-generate-001Live API modele, które zostały wyłączone:
gemini-2.0-flash-live-preview-04-09,gemini-2.0-flash-live-001,gemini-live-2.5-flash-preview
Jeśli nie możesz znaleźć informacji, których szukasz, w poniższych podsekcjach, więcej informacji znajdziesz w dokumentacji wybranego dostawcy interfejsu API: Gemini Developer API lub Agent Platform Gemini API (formerly Vertex AI)
Wyświetlanie szczegółów poprzednich modeli
Dalsze kroki
Wypróbuj możliwości Gemini API
- tworzyć wieloetapowe rozmowy (czat);
- generowanie tekstu na podstawie promptów tekstowych;
- Generuj tekst, używając promptów z różnymi typami plików, takimi jak obrazy, pliki PDF, filmy i pliki audio.
- generować uporządkowane dane wyjściowe (np. JSON) zarówno z promptów tekstowych, jak i multimodalnych;
- Generowanie i edytowanie obrazów na podstawie promptów tekstowych i multimodalnych.
- Generowanie mowy (zarówno pojedynczych, jak i wielu mówców) za pomocą modeli zamiany tekstu na mowę (TTS) Gemini.
- Przesyłaj strumieniowo dane wejściowe i wyjściowe (w tym dźwięk) za pomocą Gemini Live API.
-
Używaj narzędzi (takich jak wywoływanie funkcji i grounding z
Google Search lubGoogle Maps ), aby połączyć model Gemini z innymi częściami aplikacji oraz zewnętrznymi systemami i informacjami.