Límites y especificaciones de la API de Live


En esta página, se describen varios límites y especificaciones para usar la Live API y sus modelos.

Especificaciones y límites generales

  • Entrada y salida admitidas: (para obtener más detalles, consulta los formatos multimedia a continuación)

    • Entrada: texto, imágenes (no PDFs), audio y video
    • Salida: texto (transcripción) y audio (transmisión)

  • Herramientas compatibles: Llamada a funciones, Fundamentación con Google Search, Fundamentación con Google Maps

  • Fecha límite de conocimiento: Enero de 2025

La Live API no admite la generación de resultados estructurados (como JSON) ni la API de Count Tokens.

Límites relacionados con la sesión

En el caso de la Live API, una sesión hace referencia a una conexión persistente en la que la entrada y la salida se transmiten de forma continua a través de una conexión.

Si la sesión supera alguno de los siguientes límites, se finaliza la conexión. Sin embargo, ten en cuenta que el Live API proporciona algunas opciones (consulta a continuación) para controlar estos límites relacionados con la sesión.

  • La ventana de contexto de la sesión está limitada a 128,000 tokens.

    Debido a este límite de ventana de contexto, estas son las duraciones máximas aproximadas de la sesión según las modalidades de entrada:

    • Las sesiones de entrada solo de audio están limitadas a 15 minutos.
    • La entrada de video y audio está limitada a 2 minutos.

  • La duración de la conexión está limitada a unos 10 minutos.

    Recibirás una notificación de desconexión unos 60 segundos antes de que finalice la conexión.

Estas son algunas opciones para controlar los límites relacionados con la sesión:

Obtén más información sobre cómo administrar sesiones.

Límites de frecuencia

El Live API tiene límites de frecuencia para las sesiones simultáneas por proyecto de Firebase y para los tokens por minuto (TPM).

  • Gemini Developer API:

  • Vertex AI Gemini API:

    • 1,000 sesiones simultáneas por proyecto de Firebase
    • 4 millones de tokens por minuto

Formatos multimedia

El Live API admite los siguientes tipos de contenido multimedia:

  • Entrada: Imágenes, audio y video
  • Salida: Audio

Formatos de imagen

El Live API admite lo siguiente para la entrada de imágenes:

  • Cantidad máxima de imágenes por instrucción: 3,000

  • Tamaño máximo de archivo por archivo (datos intercalados): 7 MB

  • Tipos de MIME admitidos: image/png, image/jpeg, image/webp, image/heic, image/heif

Formatos de audio

El Live API admite los siguientes formatos de audio:

  • Formato de audio de entrada: Audio PCM sin procesar de 16 bits a 16 kHz de tipo "little endian"

  • Formato de audio de salida: Audio PCM sin procesar de 16 bits a 24 kHz de tipo "little endian"

  • Tipos de MIME admitidos: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm

Para transmitir la tasa de muestreo del audio de entrada, establece el tipo de MIME de cada BLOB que contenga audio en un valor como audio/pcm;rate=16000.

Formatos de video

El Live API espera una secuencia de fotogramas de imágenes discretos y admite la entrada de fotogramas de video a 1 fotograma por segundo (FPS).

  • Entrada recomendada: Resolución nativa de 768 x 768 a 1 FPS.

  • Tipos de MIME admitidos: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp

Ten en cuenta que esta especificación hace que el Live API no sea adecuado para casos de uso que requieren analizar videos que cambian rápidamente, como la reproducción jugada por jugada en deportes de alta velocidad.

Voces de respuesta

El Live API admite las siguientes opciones de voz de respuesta. Para ver demostraciones de cómo suena cada voz, consulta Chirp 3: Voces en HD.

Si no especificas una voz de respuesta, el valor predeterminado es Puck.

Obtén información para especificar la voz de respuesta.

Zephyr — Brillante
Kore — Firme
Orus — Firme
Autonoe — Brillante
Umbriel — Relajada
Erinome — Clara
Laomedeia — Animada
Schedar — Pareja
Achird — Amigable
Sadachbia — Animada 		Puck — Animada
Fenrir — Excitada
Aoede — Ligera
Enceladus — Entrecortada
Algieba — Suave
Algenib — Grave
Achernar — Suave
Gacrux — Madura
Zubenelgenubi — Informal
Sadaltager — Informada 		Charon — Informativa
Leda — Joven
Callirrhoe — Relajada
Iapetus — Clara
Despina — Suave
Rasalgethi — Informativa
Alnilam — Firme
Pulcherrima — Directa
Vindemiatrix — Amable
Sulafat — Cálida

Idiomas

El Live API admite los siguientes idiomas. Obtén información para influir en el idioma de respuesta.

Idioma Código BCP-47 Idioma Código BCP-47
Árabe (Egipto) ar-EG Alemán (Alemania) de-DE
Inglés (EE.UU.) en-US Español (EE.UU.) es-US
Francés (Francia) fr-FR Hindi (India) hi-IN
Indonesio (Indonesia) id-ID Italiano (Italia) it-IT
Japonés (Japón) ja-JP Coreano (Corea) ko-KR
Portugués (Brasil) pt-BR Ruso (Rusia) ru-RU
Holandés (Países Bajos) nl-NL Polaco (Polonia) pl-PL
Tailandés (Tailandia) th-TH Turco (Türkiye) tr-TR
Vietnamita (Vietnam) vi-VN Rumano (Rumania) ro-RO
Ucraniano (Ucrania) uk-UA Bengalí (Bangladés) bn-BD
Inglés (India) Paquete en-IN y hi-IN Maratí (India) mr-IN
Tamil (India) ta-IN Telugu (India) te-IN