Changelog Update

เปิดตัว gemini-2.0-flash-live-001 เวอร์ชันตัวอย่างแบบสาธารณะของโมเดล Live API ที่เปิดใช้การเรียกเก็บเงิน

• การจัดการเซสชันและความน่าเชื่อถือที่ได้รับการปรับปรุง

  • การกลับมาใช้เซสชันต่อ: รักษาเซสชันให้ใช้งานได้แม้เครือข่ายจะหยุดชะงักชั่วคราว ตอนนี้ API รองรับการจัดเก็บสถานะเซสชันฝั่งเซิร์ฟเวอร์ (นานสูงสุด 24 ชั่วโมง) และมีแฮนเดิล (session_resumption) เพื่อเชื่อมต่ออีกครั้ง และดำเนินการต่อจากที่ค้างไว้
  • เซสชันที่ยาวขึ้นผ่านการบีบอัดบริบท: เปิดใช้การโต้ตอบที่ยาวขึ้น นอกเหนือจากขีดจํากัดเวลาก่อนหน้า กำหนดค่าการบีบอัดหน้าต่างบริบท ด้วยกลไกหน้าต่างเลื่อนเพื่อจัดการความยาวบริบทโดยอัตโนมัติ ซึ่งจะช่วยป้องกันการสิ้นสุดอย่างกะทันหันเนื่องจากขีดจำกัดของบริบท
  • การแจ้งเตือนการยกเลิกการเชื่อมต่ออย่างราบรื่น: รับข้อความจากGoAwayเซิร์ฟเวอร์ ซึ่งระบุเวลาที่การเชื่อมต่อกำลังจะปิด เพื่อให้จัดการได้อย่างราบรื่นก่อนสิ้นสุด

• ควบคุมการโต้ตอบได้มากขึ้น

• การตรวจจับกิจกรรมเสียงพูด (VAD) ที่กำหนดค่าได้: เลือกระดับความไว หรือปิดใช้ VAD อัตโนมัติทั้งหมด แล้วใช้เหตุการณ์ไคลเอ็นต์ใหม่ (activityStart, activityEnd) เพื่อควบคุมการพูดด้วยตนเอง

• การจัดการการขัดจังหวะที่กำหนดค่าได้: กำหนดว่าข้อมูลจากผู้ใช้ ควรขัดจังหวะการตอบกลับของโมเดลหรือไม่

• ความครอบคลุมของผลัดที่กำหนดค่าได้: เลือกว่า API จะประมวลผลอินพุตเสียงและวิดีโอทั้งหมดอย่างต่อเนื่อง หรือจะบันทึกเฉพาะเมื่อตรวจพบว่าผู้ใช้ปลายทางกำลังพูด

• ความละเอียดของสื่อที่กำหนดค่าได้: เพิ่มประสิทธิภาพเพื่อคุณภาพหรือการใช้โทเค็น โดยเลือกความละเอียดสำหรับสื่ออินพุต

• เอาต์พุตและฟีเจอร์ที่สมบูรณ์ยิ่งขึ้น

• ตัวเลือกเสียงและภาษาที่เพิ่มขึ้น: เลือกจากเสียงใหม่ 2 แบบและ ภาษาใหม่ 30 ภาษาสำหรับเอาต์พุตเสียง ตอนนี้คุณกำหนดค่าภาษาเอาต์พุตได้ภายใน speechConfig แล้ว

• การสตรีมข้อความ: รับคำตอบที่เป็นข้อความทีละรายการขณะที่ระบบสร้างคำตอบเหล่านั้น ซึ่งจะช่วยให้แสดงต่อผู้ใช้ได้เร็วขึ้น

• การรายงานการใช้โทเค็น: รับข้อมูลเชิงลึกเกี่ยวกับการใช้งานด้วย จำนวนโทเค็นโดยละเอียดที่ระบุในฟิลด์ usageMetadata ของข้อความเซิร์ฟเวอร์ ซึ่งแบ่งตามรูปแบบและเฟสของพรอมต์หรือการตอบกลับ