AI Changelog Aggregator

veo-2.0-generate-001 منتشر شد، یک مدل متن و تصویر به ویدیو (GA) که به طور کلی در دسترس است و قادر به تولید ویدیوهای دقیق و با ظرافت هنری است. برای کسب اطلاعات بیشتر، به اسناد Veo مراجعه کنید.
gemini-2.0-flash-live-001 ، یک نسخه پیش‌نمایش عمومی از مدل Live API با قابلیت پرداخت فعال، منتشر شد.
- مدیریت جلسه پیشرفته و قابلیت اطمینان
  - از سرگیری جلسه: جلسات را در صورت بروز اختلالات موقت شبکه فعال نگه دارید. API اکنون از ذخیره‌سازی وضعیت جلسه در سمت سرور (تا 24 ساعت) پشتیبانی می‌کند و امکان اتصال مجدد و از سرگیری از جایی که قطع شده بود را فراهم می‌کند (session_resumption).
  - جلسات طولانی‌تر از طریق فشرده‌سازی متن: تعاملات طولانی‌تر را فراتر از محدودیت‌های زمانی قبلی فعال کنید. فشرده‌سازی پنجره متن را با مکانیزم پنجره کشویی پیکربندی کنید تا به طور خودکار طول متن را مدیریت کند و از خاتمه ناگهانی به دلیل محدودیت‌های متن جلوگیری کند.
  - اعلان قطع اتصال با ظرافت: یک پیام از سرور GoAway دریافت کنید که نشان می‌دهد چه زمانی اتصال در شرف بسته شدن است و امکان مدیریت دقیق قبل از خاتمه را فراهم می‌کند.
- کنترل بیشتر بر دینامیک تعامل
- تشخیص فعالیت صوتی قابل تنظیم (VAD): سطوح حساسیت را انتخاب کنید یا VAD خودکار را به طور کامل غیرفعال کنید و از رویدادهای جدید کلاینت ( activityStart ، activityEnd ) برای کنترل دستی چرخش استفاده کنید.
- مدیریت وقفه‌های قابل تنظیم: تصمیم بگیرید که آیا ورودی کاربر باید پاسخ مدل را قطع کند یا خیر.
- پوشش نوبت قابل تنظیم: انتخاب کنید که آیا API تمام ورودی‌های صوتی و تصویری را به طور مداوم پردازش کند یا فقط زمانی که کاربر نهایی در حال صحبت تشخیص داده شود، آن را ضبط کند.
- وضوح رسانه قابل تنظیم: با انتخاب وضوح رسانه ورودی، کیفیت یا استفاده از توکن را بهینه کنید.
- خروجی و ویژگی‌های غنی‌تر
- گزینه‌های گسترده‌تر صدا و زبان: از بین دو صدای جدید و ۳۰ زبان جدید برای خروجی صدا انتخاب کنید. زبان خروجی اکنون در speechConfig قابل تنظیم است.
- پخش متن: پاسخ‌های متنی را به صورت تدریجی و همزمان با تولید دریافت کنید و امکان نمایش سریع‌تر به کاربر را فراهم کنید.
- گزارش میزان استفاده از توکن: با استفاده از تعداد دقیق توکن‌های ارائه شده در فیلد usageMetadata پیام‌های سرور، که بر اساس روش و مراحل اعلان یا پاسخ تفکیک شده‌اند، در مورد میزان استفاده از توکن‌ها اطلاعات کسب کنید.