Gemini API 新增 PPT、ODP、ODS 輸入，函式回應可回傳檔案與音影片
Gemini API 現在接受 PowerPoint 97-2003（PPT）、OpenDocument 簡報（ODP）與 OpenDocument 表格（ODS）作為輸入，併為 Word 97-2003（DOC）增加按頁影像處理：DOC、PPT、ODP 渲染成頁面影像，ODS 則把首個工作表的資料與公式交給模型。DOCX、DOTX、ODT、PPTX、XLSX、XLS 的處理方式不變。
官方明確了各辦公格式的解析方式（ODS 只讀首個工作表、DOC/PPT/ODP 轉頁面影像），並把函式回應擴充套件到音影片與檔案 URI，對用 Gemini API 做文件處理和多模態工具呼叫的開發者影響最直接。
原標題：Gemini API release notes: November 5, 2026
閱讀原文
| 評分 | 70 / 68（平均 69，門檻 60） |
|---|---|
| 狀態 | 精選 |
相關報導
Gemini 聊天內可直接生成並編輯 Google Docs 等檔案
Google Gemini 現在支援在對話中直接生成、預覽和編輯 Google Docs、Google Sheets、幻燈片、PDF、Markdown、TXT 及程式碼檔案。該功能自今日起向所有 Gemini 使用者開放，其中 PDF 的預覽與編輯在網頁端和移動端都可使用，其餘格式暫時僅限網頁版。此前 Gemini 只能生成並下載檔案，現在可在應用內直接修改，並支援全屏展開文件編輯、選中文字讓 Gemini 解答。
Gemini API 發布零依賴 CLI 工具 gemini-api 測試版
Gemini API 發布命令列客戶端 gemini-api 的 beta 版，定位為無狀態、零依賴的 CLI，面向 AI coding agent、指令碼與 CI 流水線。它通過 Interactions API 生成文字和媒體、分析檔案，並可執行 Gemini 託管 agent。官方同步提供 CLI 使用指南，說明如何上手。
Google 發布 Gemini Agent 辦公智慧體，底層可呼叫 Claude
Google 發布通用辦公智慧體 Gemini Agent，可長期雲端執行，自己查資料、寫郵件、做 PPT、分析資料並跨應用規劃任務。它擁有獨立企業身份，配專屬 Workspace 帳號、信箱、日曆和 Drive 空間，可被同事拉進群聊或在文件中 @。底層支援多模型編排與 Smart Routing，能在 Gemini 與 Anthropic 的 Claude 之間按效果、速度和成本動態選擇，未來計劃支援更多閉源與開源模型。
Gemini 3.8 TTS 新增語音混音，可用自然語言改造音色
Gemini 3.8 TTS 上線語音混音功能，可用自然語言指令修改已有的預置或設計語音，生成一個獨立儲存的新音色。呼叫 POST /v1beta/voices 並指定 gemini-3.8-flash-tts 即可獲得 voice_ 開頭的 ID，也可在 Google AI Studio 裡互動式調整。之後可用 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS 合成語音。
Gemini API 的 Computer Use 工具正式 GA
Gemini API 的 Computer Use 工具已正式可用（GA），Interactions 與 GenerateContent 兩個 API 都支援呼叫。該工具讓模型直接操作計算機介面，本次公告只說明它已轉為正式發布狀態，沒有提到價格、配額或介面上的具體變化。