Saltar al contenido principal

Guía del proveedor Google Gemini

Una sola cuenta de Google Gemini puede alimentar los seis servicios de Insights. Gemini es el único proveedor con una ruta nativa a todos los servicios, lo que lo convierte en la implantación de un solo proveedor más sencilla.

Se usan dos API de Gemini, y la distinción importa al configurar las opciones:

  • Gemini Live (BidiGenerateContent): WebSocket bidireccional que utilizan transcription (respuestas de texto) y ai_agent (respuestas de audio).
  • Modelos REST de Gemini: Models.GenerateContent para la traducción y el chat, la API de interacciones para la síntesis de voz y la API de archivos + Batches.Create para el resumen de reuniones.

Tanto Live como la API de interacciones requieren api_version: "v1beta".

Servicios compatibles​

ServicioRuta en GeminiModelo predeterminado
transcriptionGemini Live BidiGenerateContent, ResponseModalities=[TEXT]gemini-3.5-transcribe-live
translationModels.GenerateContent con ResponseMIMEType: application/jsongemini-3.1-flash-lite
speech-synthesisAPI de interacciones de Gemini con audio PCM16 audio/L16gemini-3.8-flash-tts
ai_text_chatChat en streaming, hasta 8 rondas de llamadas a herramientas MCPObligatorio, por ejemplo gemini-3.1-flash
meeting_summarizingCarga mediante la API de archivos y trabajo por lotes con Batches.CreateObligatorio, por ejemplo gemini-3.1-flash-lite
ai_agentGemini Live BidiGenerateContent, ResponseModalities=[AUDIO]gemini-3.8-live

Obtenga una clave de API en Google AI Studio o Google Cloud y después defina una cuenta y haga referencia a ella desde todos los servicios.

Configuración de la cuenta del proveedor​

insights:
providers:
google:
- id: "default-gemini-creds"
credentials:
api_key: "YOUR_GEMINI_API_KEY"
options:
api_version: "v1beta"
ClaveTipoObligatoriaDescripción
idstringSíNombre único de la cuenta. Los servicios lo referencian, por ejemplo "default-gemini-creds".
credentials.api_keystringSíClave de API de Gemini.
options.api_versionstringNoVersión de la API. Defina "v1beta", obligatoria para Gemini Live (transcription, ai_agent) y para la API de interacciones (speech-synthesis).
options.endpointstringNoURL base de una pasarela o proxy propio. Déjela vacía para llamar directamente a Google.
options.auth_headerstringNoEncabezado que transporta la clave cuando hay una pasarela delante de Gemini. "Authorization" envía Authorization: Bearer <api_key>. Cualquier otro nombre envía <header>: <api_key>.

Configuración de los servicios​

transcription​

Envía en streaming las pistas de micrófono de los oradores permitidos a Gemini Live y recibe incrementos de texto. Live se abre con ResponseModalities=[TEXT], de modo que el modelo nunca devuelve audio en este servicio.

transcription:
provider: "google"
id: "default-gemini-creds"
options:
model: "gemini-3.5-transcribe-live"
transcribe_mode: "VERBATIM"
api_version: "v1beta"
max_selected_trans_langs: 2
pricing:
default:
price_per_hour: 0.36
ClaveTipoPredeterminadoDescripción
options.modelstring"gemini-3.5-transcribe-live"Modelo de transcripción en vivo.
options.transcribe_modestring"VERBATIM""VERBATIM" transcribe palabra por palabra. "SMART" permite que el modelo normalice y limpie el habla.
options.api_versionstring"v1beta"Obligatoria para BidiGenerateContent.
options.max_selected_trans_langsentero2Número máximo de idiomas de subtítulos simultáneos por sala. Se aplica en el servidor; el anfitrión no puede elevarlo desde la API.

translation​

Traduce un lote de cadenas a todos los idiomas de destino configurados en una sola llamada a GenerateContent. La solicitud define ResponseMIMEType: application/json, así que el modelo devuelve un objeto JSON en lugar de texto libre, lo que mantiene la traducción de chat a varios idiomas en un único viaje de ida y vuelta.

translation:
provider: "google"
id: "default-gemini-creds"
options:
translate_model: "gemini-3.1-flash-lite"
max_selected_trans_langs: 5
pricing:
default:
price_per_million_characters: 10.00
ClaveTipoPredeterminadoDescripción
options.translate_modelstring"gemini-3.1-flash-lite"Modelo de traducción. model se acepta como alias.
options.max_selected_trans_langsentero5Número máximo de idiomas de destino para la traducción del chat y de los subtítulos. Es independiente del límite de transcripción.

speech-synthesis​

Llama a la API de interacciones de Gemini y lee el audio PCM16 (audio/L16) directamente de la respuesta, así que no se escribe ningún archivo en disco.

speech-synthesis:
provider: "google"
id: "default-gemini-creds"
options:
model: "gemini-3.8-flash-tts"
default_voice: "Kore"
tts_sample_rate: 16000
api_version: "v1beta"
pricing:
default:
price_per_million_characters: 16.00
ClaveTipoPredeterminadoDescripción
options.modelstring"gemini-3.8-flash-tts"Modelo de TTS.
options.default_voicestring"Kore"Voz usada cuando un idioma no tiene una asignación de voz explícita.
options.tts_sample_rateentero16000Frecuencia de muestreo PCM. Valores admitidos: 8000, 16000, 24000.
options.api_versionstring"v1beta"Obligatoria para la API de interacciones.

Gemini usa una sola default_voice para todos los idiomas en lugar de un mapa de voces por idioma. Si necesita voces distintas para cada idioma de destino, utilice la guía de Microsoft Azure.

ai_text_chat​

Chat en streaming para moderadores (copiloto de la sala) y participantes (asistente de aprendizaje). La ruta del moderador puede llamar a herramientas MCP de la sala hasta 8 rondas antes de responder.

ai_text_chat:
provider: "google"
id: "default-gemini-creds"
options:
chat_model: "gemini-3.1-flash-Preview"
summarize_model: "gemini-3.1-flash-lite"
context_window: 5
pricing:
"gemini-3.1-flash-Preview":
input_price_per_million_tokens: 0.30
output_price_per_million_tokens: 2.50
"gemini-3.1-flash-lite":
input_price_per_million_tokens: 0.10
output_price_per_million_tokens: 0.40
ClaveTipoObligatoriaDescripción
options.chat_modelstringSíModelo para la conversación en vivo y las llamadas a herramientas.
options.summarize_modelstringNoModelo usado para condensar el contexto largo.
options.context_windowenteroNo, predeterminado 5Número de mensajes recientes que se conservan íntegros por conversación.

meeting_summarizing​

Sube la grabación mezclada de la sala mediante la API de archivos de Gemini, ejecuta un trabajo por lotes con Batches.Create y guarda el texto del resumen devuelto. Las cargas se eliminan cuando termina el trabajo.

meeting_summarizing:
provider: "google"
id: "default-gemini-creds"
options:
summarize_model: "gemini-3.1-flash-lite"
pricing:
default:
input_price_per_million_tokens: 0.30
output_price_per_million_tokens: 2.50
ClaveTipoObligatoriaDescripción
options.summarize_modelstringSíModelo usado para el trabajo de resumen por lotes.

Las instrucciones personalizadas del resumen se definen por sala, no aquí. Consulte Resumen de reuniones con IA.

ai_agent​

Ejecuta el agente de voz y visión con Gemini Live y ResponseModalities=[AUDIO]: el modelo escucha el audio de la sala, ve los fotogramas de la pizarra y del uso compartido, llama a las herramientas del agente y responde hablando.

ai_agent:
provider: "google"
id: "default-gemini-creds"
options:
realtime_model: "gemini-3.8-live"
summarize_model: "gemini-3.1-flash-lite"
api_version: "v1beta"
pricing:
realtime_model:
input_price_per_million_tokens: 0.75
cached_input_price_per_million_tokens: 0.075
cache_write_input_price_per_million_tokens: 0.9375
audio_input_price_per_million_tokens: 3.00
audio_cached_input_price_per_million_tokens: 0.30
audio_cache_write_input_price_per_million_tokens: 3.75
image_input_price_per_million_tokens: 1.00
image_cached_input_price_per_million_tokens: 0.10
image_cache_write_input_price_per_million_tokens: 1.25
output_price_per_million_tokens: 4.50
audio_output_price_per_million_tokens: 12.00
summarize_model:
input_price_per_million_tokens: 0.25
output_price_per_million_tokens: 1.50
ClaveTipoPredeterminadoDescripción
options.realtime_modelstring"gemini-3.8-live"Modelo en vivo usado para la sesión.
options.summarize_modelstringningunoModelo usado para el resumen al final de la sesión. Si se omite, el servidor reutiliza el modelo de resumen de ai_text_chat o de meeting_summarizing y, si tampoco existe, escribe un resumen local determinista sin llamar a ningún LLM.
options.api_versionstring"v1beta"Obligatoria para BidiGenerateContent.

La voz del agente se elige por sala con ai_agent_features.voice, no en la configuración del servidor. Las opciones del servidor solo seleccionan modelos y la versión de la API.

Configuración de precios​

Los precios solo alimentan el campo estimated_cost de los artefactos de uso; nunca cambian lo que Google le factura. Las tarifas son por millón de tokens en los servicios de LLM y por hora o por millón de caracteres en los servicios de voz.

transcription​

pricing.default.price_per_hour tarifica SPEECH_TRANSCRIPTION_USAGE a partir de la duración transcrita.

translation​

pricing.default.price_per_million_characters tarifica la salida de la traducción.

tip

CHAT_TRANSLATION_USAGE se mide por número de caracteres, no por tokens, y se tarifica con pricing.default.price_per_million_characters. Defina una tarifa explícita o las estimaciones de costo de traducción se quedarán en cero.

speech-synthesis​

pricing.default.price_per_million_characters tarifica SYNTHESIZED_SPEECH_USAGE a partir del número de caracteres enviados al TTS.

ai_text_chat​

pricing.<chat_model> y pricing.<summarize_model> usan input_price_per_million_tokens y output_price_per_million_tokens. Escriba entre comillas los nombres de modelo que contengan puntos o mayúsculas. Una entrada pricing.default se aplica a cualquier modelo que no tenga su propio bloque.

meeting_summarizing​

pricing.<summarize_model> (o pricing.default) usa input_price_per_million_tokens y output_price_per_million_tokens.

ai_agent​

El precio por token es multimodal. Coloque las tarifas en pricing.realtime_model (o bajo el nombre concreto del modelo) y en pricing.summarize_model:

ClaveCubre
input_price_per_million_tokensTexto de entrada
cached_input_price_per_million_tokensTexto de entrada en caché
cache_write_input_price_per_million_tokensTexto escrito en la caché de instrucciones
audio_input_price_per_million_tokensVoz de los participantes enviada al modelo
audio_cached_input_price_per_million_tokensAudio de entrada en caché
audio_cache_write_input_price_per_million_tokensAudio escrito en la caché de instrucciones
image_input_price_per_million_tokensFotogramas de la pizarra y del uso compartido
image_cached_input_price_per_million_tokensImágenes de entrada en caché
image_cache_write_input_price_per_million_tokensImágenes escritas en la caché de instrucciones
output_price_per_million_tokensTexto de salida, incluidos los tokens de razonamiento
audio_output_price_per_million_tokensVoz sintetizada del agente

Las tarifas de caché son opcionales. Cuando faltan, se estiman con la tarifa de entrada sin caché. Los campos de uso que rellenan estas tarifas se detallan en Resúmenes y artefactos de uso.

Ejemplo de configuración completa​

Todos los servicios en Gemini con una sola cuenta:

insights:
enabled: true
providers:
google:
- id: "default-gemini-creds"
credentials:
api_key: "YOUR_GEMINI_API_KEY"
options:
api_version: "v1beta"

services:
transcription:
provider: "google"
id: "default-gemini-creds"
options:
model: "gemini-3.5-transcribe-live"
transcribe_mode: "VERBATIM"
api_version: "v1beta"
max_selected_trans_langs: 2
pricing:
default:
price_per_hour: 0.36

translation:
provider: "google"
id: "default-gemini-creds"
options:
translate_model: "gemini-3.1-flash-lite"
max_selected_trans_langs: 5
pricing:
default:
price_per_million_characters: 10.00

speech-synthesis:
provider: "google"
id: "default-gemini-creds"
options:
model: "gemini-3.8-flash-tts"
default_voice: "Kore"
tts_sample_rate: 16000
api_version: "v1beta"
pricing:
default:
price_per_million_characters: 16.00

ai_text_chat:
provider: "google"
id: "default-gemini-creds"
options:
chat_model: "gemini-3.1-flash-Preview"
summarize_model: "gemini-3.1-flash-lite"
context_window: 5
pricing:
default:
input_price_per_million_tokens: 0.30
output_price_per_million_tokens: 2.50

meeting_summarizing:
provider: "google"
id: "default-gemini-creds"
options:
summarize_model: "gemini-3.1-flash-lite"
pricing:
default:
input_price_per_million_tokens: 0.30
output_price_per_million_tokens: 2.50

ai_agent:
provider: "google"
id: "default-gemini-creds"
options:
realtime_model: "gemini-3.8-live"
summarize_model: "gemini-3.1-flash-lite"
api_version: "v1beta"
pricing:
realtime_model:
input_price_per_million_tokens: 0.75
cached_input_price_per_million_tokens: 0.075
cache_write_input_price_per_million_tokens: 0.9375
audio_input_price_per_million_tokens: 3.00
audio_cached_input_price_per_million_tokens: 0.30
audio_cache_write_input_price_per_million_tokens: 3.75
image_input_price_per_million_tokens: 1.00
image_cached_input_price_per_million_tokens: 0.10
image_cache_write_input_price_per_million_tokens: 1.25
output_price_per_million_tokens: 4.50
audio_output_price_per_million_tokens: 12.00
summarize_model:
input_price_per_million_tokens: 0.25
output_price_per_million_tokens: 1.50

Errores frecuentes​

  • Falta api_version: "v1beta". Gemini Live (transcription, ai_agent) y la API de interacciones (speech-synthesis) fallan con otras versiones. Defínala en la cuenta, en cada uno de esos servicios o en ambos.
  • Nombres de modelo sin comillas. Escriba entre comillas nombres como "gemini-3.1-flash-Preview" y entrecomille siempre las claves de precios que contengan puntos o mayúsculas.
  • Bloque pricing vacío. Sin tarifas la sesión funciona igual, pero los artefactos de uso informan un costo de cero.

Páginas relacionadas​