模型定位
Google 於 2025 年 12 月 12 日發布的 Live API 原生音訊預覽模型,面向低延遲的即時語音與視訊互動。官方表示,此版本改善了處理複雜工作流程的能力。(aistudio.google.com)
能力與用途
- 可接收連續的音訊、影片或文字輸入,並輸出音訊與文字,適合即時語音助理、對話介面及視訊互動應用。
- 支援音訊生成、函式呼叫、Google 搜尋 grounding、思考及 Live API。
- 官方將其音訊輸出描述為針對節奏、語音自然度、詳細程度與情緒表現進行最佳化。(aistudio.google.com)
限制
- 輸入上限為 131,072 個 token,輸出上限為 8,192 個 token;知識截止日期為 2025 年 1 月。
- 不支援上下文快取、程式碼執行、檔案搜尋、Google 地圖 grounding、圖片生成、結構化輸出或網址內容;不支援 Batch API、Flex 推論及 Priority 推論。
- 此為預覽版本。官方列出的預定關閉日期為 2027 年 3 月 31 日,建議替代模型為
gemini-3.8-live。(aistudio.google.com)
價格
以下為 Gemini Developer API 的 Live API 官方價格,查詢日期為 2026 年 11 月 17 日;單位均為 USD/每 100 萬個 token,不代表其他平台的價格。(aistudio.google.com)
| 計費項目 | 免費方案 | 付費方案 |
|---|---|---|
| 文字輸入 | 免費 | USD 0.50 |
| 音訊/影片輸入 | 免費 | USD 3.00 |
| 文字輸出 | 免費 | USD 2.00 |
| 音訊輸出 | 免費 | USD 12.00 |
輸出計費包含思考 token。官方指出,免費方案資料可用於改善 Google 產品,付費方案則否;免費方案仍可能受配額限制。(aistudio.google.com)