Gemini 3.1 Flash Live چیست؟ بررسی کاربرد، مشخصات و محدودیتها
آخرین راستیآزمایی: ۲۶ سپتامبر ۲۰۲۶
تاریخ عرضه: روز دقیق عرضه در متن فعلی ثبت نشده است.
قیمت و شیوهٔ محاسبه: در منبع بررسیشده نرخ ثابت عمومی ثبت نشده؛ تعرفه به پلن، منطقه یا شیوهٔ مصرف وابسته است. تعرفه و دسترسی را برای زمان خرید دوباره در منبع رسمیِ مقاله بررسی کنید.
معرفی و جایگاه مدل
Gemini 3.1 Flash Live Preview برای گفتوگوی دوطرفه زنده و Agent صوتی ساخته شده است. کارت رسمی Google در سپتامبر ۲۰۲۶ آن را Legacy Preview مینامد و Gemini 3.8 Live را گزینه پیشفرض جدید برای کاربرد کمتأخیر معرفی میکند. بنابراین مقاله این نسخه یک راهنمای انتخاب و مهاجرت است، نه وعده اینکه مدل امروز پیشرفتهترین گزینه Google است. این مدل میتواند در کنار گفتار، متن، تصویر و ویدیو را بپذیرد و متن یا صدا برگرداند؛ پشتیبانی هر ترکیب به تنظیم Live API وابسته است.
مشخصات فنی و دسترسی
شناسه gemini-3.1-flash-live-preview با ورودی متن، تصویر، صوت و ویدیو و خروجی متن/صوت در کارت ثبت شده است. سقف اسمی ورودی ۱۳۱٬۰۷۲ توکن و خروجی ۶۵٬۵۳۶ است؛ این سقف معادل مدت بدون محدودیت تماس نیست. Function Calling و Thinking پشتیبانی میشوند ولی فراخوانی تابع در این نسخه همزمان است: مدل تا پاسخ ابزار منتظر میماند. سطح Thinking با thinkingLevel بهجای thinkingBudget تعیین میشود و مقدار پیشفرض minimal برای تأخیر کمتر است. Proactive Audio و Affective Dialogue در راهنمای مهاجرت این مدل پشتیبانی نشدهاند.
کاربردهای عملی
برای دستیار صوتی سایت، نخست اتصال زنده و قطعکردن پاسخ توسط کاربر را با جملههای کوتاه آزمایش کنید. اگر Agent قیمت یا موجودی میخواند، تابع مجاز با اعتبارسنجی و محدودیت داده بسازید و تأخیر پاسخ ابزار را در تجربه مکالمه اندازه بگیرید. در ارسال ویدیو، رویدادها را به بخشهای صوتی و تصویری همراه با متن تقسیم کنید و محتوای چندبخشی یک رویداد سرور را کامل پردازش کنید. برای محصول تازه، Gemini 3.8 Live را با همین Brief و ابزارها نیز آزمایش کنید تا تصمیم به مهاجرت بر اساس تأخیر و هزینه واقعی باشد.
بنچمارکها و روش ارزیابی
عدد latency یا هوشمندی تبلیغی را به همه شبکهها تعمیم ندهید. زمان اتصال WebSocket، شروع اولین صدا، بازگشت پس از قطع صحبت و موفقیت فراخوانی ابزار را جدا گزارش دهید. در آزمایش مهاجرت، سطح Thinking و پیامهای سرور هر دو نسخه را ثابت و درست تنظیم کنید. در آزمون واقعی، حداقل ۳۰ جمله با نام خاص، عدد، سکوت، تغییر زبان و گوینده ضبط کنید. میزان درستبودن محتوا را با متن مرجع و بازبینی انسانی، تأخیر اولین پاسخ و انتهای نوبت، قطع شدن گفتار، تداوم صدا و بهای هر دقیقه مکالمه قابلاستفاده گزارش دهید. ادعاهای کیفی صفحه سازنده Vendor-reported است؛ تا اجرای مستقل در زبان و محیط هدف، آن را امتیاز قطعی فارسی یا رتبه عمومی نخوانید. برای مقایسه با مدلهای Batch، تأخیر شبکه و پردازش قطعههای زنده را یکسانسازی کنید.
قیمتگذاری و محدودیتها
وابستگی به نسخه Preview و معرفی جانشین جدید ریسک عمر محصول دارد. turn_complete=true اگر بیجا ارسال شود تولید فعال را قطع میکند؛ منطق وقفه را با مکالمه واقعی بیازمایید. تکیه بر مکالمه چندوجهی بدون کنترل هزینه فریمهای ویدیو و صوت میتواند بودجه را افزایش دهد؛ قیمت ورودی هر نوع داده را بررسی کنید. استریم زنده به اتصال پایدار، مدیریت قطع و وصل، مرزبندی نوبت و رضایت برای ضبط صدا نیاز دارد. هر جا فهم گفتار یا ترجمه بر تصمیم انسانی اثر میگذارد، امکان بازپخش متن و انتقال به اپراتور فراهم کنید. محدودیت Preview و سقف استفاده ممکن است عوض شود؛ نرخهای امروز را از صفحه قیمت و محدودیت حساب خود بخوانید.
مقایسه با گزینههای نزدیک
برای تصمیم میان Gemini 3.1 Flash Live و Amazon Nova 2 Sonic و Gemini 3.5 Live Translate، فقط نام یا نسخه را معیار قرار ندهید. اول نوع کار را یکسان کنید: رونویسی را با نرخ خطای واژه و نام خاص، گفتار مصنوعی را با تلفظ فارسی و تأخیر، و موسیقی را با انسجام قطعه و حق استفاده بسنجید. مدل زنده و مدل پردازش آفلاین ممکن است در کیفیت و تأخیر هدف متفاوتی داشته باشند؛ خروجی آنها را بدون همتراز کردن وظیفه رتبهبندی نکنید. برای تصمیم نهایی، هزینه هر دقیقه یا فایل قابلاستفاده و محدودیت دانلود و مجوز انتشار را در طرح واقعی خود بررسی کنید.
پرسشهای متداول
وضعیت نسخه در سپتامبر ۲۰۲۶ چیست؟
Google آن را Legacy Preview معرفی و مهاجرت به Gemini 3.8 Live را پیشنهاد میکند.
آیا Function Calling دارد؟
بله، ولی در این نسخه بهصورت همزمان اجرا میشود.
جمعبندی
این نسخه برای نگهداری سرویس موجود و مقایسه مهاجرت مهم است. پیش از توسعه تازه، مدل جانشین و محدودیتهای Live را بررسی کنید.
مدلهای موجود در Buffalo147 AI را ببینید
