Gemini 2.5 meningkatkan Flash Native Audio, memberikan pengalaman percakapan yang lebih alami untuk agen suara langsung. Pembaruan ini, yang tersedia di berbagai produk Google termasuk Google AI Studio dan Vertex AI, bertujuan untuk meningkatkan manajemen alur kerja yang kompleks, navigasi yang diarahkan pengguna, dan naturalitas percakapan secara keseluruhan. Fitur-fitur baru ini juga diperkenalkan ke Gemini Live dan Search Live, menandai pertama kalinya audio asli diintegrasikan ke dalam Search Live.

Model yang diperbarui ini menghadirkan beberapa peningkatan, termasuk peningkatan akurasi panggilan fungsi. Misalnya, model ini mencapai skor 71,5% pada ComplexFuncBench Audio, yang mengevaluasi panggilan fungsi multi-langkah. Model ini juga meningkatkan kepatuhan terhadap instruksi pengembang hingga 90% dan secara signifikan meningkatkan kualitas percakapan multi-giliran. Peningkatan ini akan meningkatkan keandalan dan konsistensi interaksi antara pengguna dan agen suara.

Selain fitur percakapan yang ditingkatkan, Gemini juga memperluas kemampuannya dengan memperkenalkan terjemahan ucapan langsung. Tersedia dalam versi beta di aplikasi Google , fitur ini menghadirkan terjemahan ucapan secara langsung sambil mempertahankan intonasi, kecepatan, dan nada suara pembicara. Fitur ini mendukung lebih dari 70 bahasa dan 2.000 pasangan bahasa, memahami banyak bahasa secara bersamaan, dan secara otomatis mendeteksi serta menerjemahkan bahasa yang sedang diucapkan, bahkan di lingkungan yang bising.

Terjemahan ucapan langsung saat ini sedang diluncurkan ke perangkat Android di Amerika Serikat, Meksiko, dan India, dengan rencana untuk diperluas ke iOS dan wilayah lain di masa mendatang. Pengguna dapat mengakses versi beta dengan menghubungkan headphone ke perangkat mereka dan memilih "Terjemahan Langsung". Gemini 2.5 Flash Native Audio tersedia secara publik di Vertex AI, dan versi pratinjau tersedia melalui API Gemini. Model text-to-speech Gemini 2.5 Flash dan 2.5 Pro dapat diakses melalui API Gemini di Google AI Studio.