定位与发布日期
Gemini Composite V2 是面向企业语音智能体的语音优化复合模型，是 Composite V1 的后续版本。Google 于 2026 年 10 月 22 日宣布其在 CX Agent Studio 中正式发布（GA）；该发布阶段不代表其他 Google Cloud 产品中的状态。(docs.cloud.google.com)
能力与用途
- 沿用 V1 的 Listener 和 Thinking 组件，并升级 Speaker 组件：分别用于将输入语音转写、处理指令与执行后端工具，以及将文本回复转换为语音。
- 相比 V1，语音的节奏、语调和表现力更自然；支持通过内联标签控制停顿、呼吸、笑声和语调变化，并改进跟踪号码、电话号码和地址等内容的读出准确性。
- 适用于在 CX Agent Studio 中构建企业客户服务等语音对话智能体；可在智能体应用中选择
gemini-composite-v2作为全局模型。(docs.cloud.google.com)
限制与注意事项
- 官方建议使用英语设计智能体；智能体可自动检测终端用户输入的语言，并以相同语言回复，具体支持语言需参阅产品语言文档。
- 复合模型或其子组件的小版本可能因自动更新而变化。迁移自 V1 时，官方建议调整语音风格提示和标签，并在部署前进行评估及用户验收测试。
- 运行时受项目、区域和模型配额约束；超出配额可能导致请求失败。(docs.cloud.google.com)
价格
截至 2026 年 11 月 15 日查询，未核实到此模型独立的按输入、输出 token 分项价格。以下是 CX Agent Studio 服务级美元（USD）公开价格，不应视为模型独立 API 单价：
- 语音：每会话 0.50 USD；语音会话超过 300 秒后，超出部分按 0.0025 USD/秒计费。
- 聊天：每会话 0.50 USD；每 50 轮或对话不活动 30 分钟后，会计收额外聊天会话。若会话从聊天切换至语音，整段会话按一个语音会话计费。
- 官方说明会话价格包含底层智能体和防护机制的 token 用量；token 配额用于限制吞吐量，并非额外的按 token 收费。(cloud.google.com)