Live API की सीमाएं और खास बातें


इस पेज पर, Live API और उसके मॉडल के इस्तेमाल से जुड़ी अलग-अलग सीमाओं और ज़रूरी शर्तों के बारे में बताया गया है.

सामान्य ज़रूरी शर्तें और सीमाएं

  • इस्तेमाल किए जा सकने वाले इनपुट और आउटपुट: ज़्यादा जानकारी के लिए, नीचे दिए गए मीडिया फ़ॉर्मैट देखें

    • इनपुट: टेक्स्ट, इमेज (पीडीएफ़ नहीं), ऑडियो, वीडियो
    • आउटपुट: टेक्स्ट (ट्रांसक्रिप्शन) और ऑडियो (स्ट्रीमिंग)

  • इस्तेमाल किए जा सकने वाले टूल: फ़ंक्शन कॉल करना, Google Search के साथ ग्राउंडिंग, Google Maps के साथ ग्राउंडिंग

  • जानकारी की कटऑफ़ तारीख: जनवरी 2025

Live API स्ट्रक्चर्ड आउटपुट (जैसे, JSON) या टोकन की संख्या बताने वाले एपीआई को जनरेट करने की सुविधा नहीं देता है.

सेशन से जुड़ी सीमाएं

Live API के लिए, सेशन का मतलब है ऐसा लगातार कनेक्शन जिसमें इनपुट और आउटपुट को किसी कनेक्शन पर लगातार स्ट्रीम किया जाता है.

अगर सेशन, इनमें से किसी भी सीमा से ज़्यादा होता है, तो कनेक्शन खत्म हो जाता है. हालांकि, ध्यान दें कि Live API सेशन से जुड़ी इन सीमाओं को मैनेज करने के लिए कुछ विकल्प (नीचे देखें) उपलब्ध कराता है.

  • सेशन कॉन्टेक्स्ट विंडो की सीमा 1.28 लाख टोकन है.

    कॉन्टेक्स्ट विंडो की इस सीमा की वजह से, इनपुट के तरीकों के आधार पर सेशन की अनुमानित ज़्यादा से ज़्यादा अवधि यहां दी गई है:

    • सिर्फ़ ऑडियो इनपुट वाले सेशन, 15 मिनट तक ही किए जा सकते हैं.
    • वीडियो + ऑडियो इनपुट वाले सेशन, दो मिनट तक ही किए जा सकते हैं.

  • कनेक्शन की अवधि करीब 10 मिनट तक ही हो सकती है.

    कनेक्शन खत्म होने से करीब 60 सेकंड पहले, आपको कनेक्शन खत्म होने की सूचना मिलेगी.

सेशन से जुड़ी सीमाओं को मैनेज करने के लिए, यहां कुछ विकल्प दिए गए हैं:

सेशन मैनेज करने के बारे में ज़्यादा जानें .

रेट की सीमाएं

Live API के लिए, हर Firebase प्रोजेक्ट के लिए एक साथ किए जा सकने वाले सेशन और टोकन प्रति मिनट (टीपीएम) के लिए, रेट की सीमाएं तय की गई हैं.

  • Gemini Developer API:

  • Vertex AI Gemini API:

    • हर Firebase प्रोजेक्ट के लिए, एक साथ 1,000 सेशन
    • हर मिनट में 40 लाख टोकन

मीडिया फ़ॉर्मैट

Live API इन तरह के मीडिया के साथ काम करता है:

  • इनपुट: इमेज, ऑडियो, वीडियो
  • आउटपुट: ऑडियो

इमेज फ़ॉर्मैट

Live API इमेज इनपुट के लिए इन फ़ॉर्मैट के साथ काम करता है:

  • हर प्रॉम्प्ट के लिए ज़्यादा से ज़्यादा इमेज: 3,000

  • हर फ़ाइल के लिए ज़्यादा से ज़्यादा साइज़ (इनलाइन डेटा): 7 एमबी

  • इस्तेमाल किए जा सकने वाले MIME टाइप: image/png, image/jpeg, image/webp, image/heic, image/heif

ऑडियो फ़ॉर्मैट

Live API इन ऑडियो फ़ॉर्मैट के साथ काम करता है:

  • इनपुट ऑडियो फ़ॉर्मैट: रॉ 16 बिट पीसीएम ऑडियो, 16kHz लिटिल-एंडियन

  • आउटपुट ऑडियो फ़ॉर्मैट: रॉ 16 बिट पीसीएम ऑडियो, 24kHz लिटिल-एंडियन

  • इस्तेमाल किए जा सकने वाले MIME टाइप: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm

इनपुट ऑडियो के सैंपल रेट के बारे में बताने के लिए, ऑडियो वाले हर Blob का MIME टाइप, audio/pcm;rate=16000 जैसी वैल्यू पर सेट करें.

वीडियो फ़ॉर्मैट

Live API अलग-अलग इमेज फ़्रेम की एक सीक्वेन्स का इस्तेमाल करता है. साथ ही, यह हर सेकंड में एक फ़्रेम (एफ़पीएस) के हिसाब से वीडियो फ़्रेम इनपुट के साथ काम करता है.

  • सुझाया गया इनपुट: 768x768 रिज़ॉल्यूशन, 1 एफ़पीएस.

  • इस्तेमाल किए जा सकने वाले MIME टाइप: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp

ध्यान दें कि इस ज़रूरी शर्त की वजह से, Live API उन इस्तेमाल के मामलों के लिए सही नहीं है जिनमें तेज़ी से बदलने वाले वीडियो का विश्लेषण करना ज़रूरी होता है. जैसे, हाई-स्पीड स्पोर्ट्स में प्ले-बाय-प्ले.

जवाब देने के लिए आवाज़ें

Live API जवाब देने के लिए आवाज़ के इन विकल्पों के साथ काम करता है. हर आवाज़ कैसी सुनाई देती है, यह जानने के लिए, देखें Chirp 3: एचडी आवाज़ें.

अगर आपने जवाब देने के लिए कोई आवाज़ नहीं चुनी है, तो डिफ़ॉल्ट तौर पर Puck आवाज़ का इस्तेमाल किया जाता है.

जवाब देने के लिए आवाज़ चुनने का तरीका जानें.

Zephyr — तेज़
Kore — मज़बूत
Orus — मज़बूत
Autonoe — तेज़
Umbriel — आरामदेह
Erinome — साफ़
Laomedeia — खुशमिज़ाज
Schedar — शांत
Achird — दोस्ताना
Sadachbia — जीवंत 		Puck — खुशमिज़ाज
Fenrir — उत्तेजित
Aoede — सुखद
Enceladus — सांस लेने की आवाज़
Algieba — स्मूद
Algenib — खुरदुरी
Achernar — धीमी
Gacrux — मैच्योर
Zubenelgenubi — कैज़ुअल
Sadaltager — जानकारी देने वाली 		Charon — जानकारी देने वाली
Leda — युवा
Callirrhoe — आरामदेह
Iapetus — साफ़
Despina — स्मूद
Rasalgethi — जानकारी देने वाली
Alnilam — मज़बूत
Pulcherrima — तेज़
Vindemiatrix — नरम
Sulafat — गर्मजोश

भाषाएं

Live API इन भाषाओं के साथ काम करता है. जवाब देने के लिए भाषा चुनने का तरीका जानें.

भाषा BCP-47 कोड भाषा BCP-47 कोड
अरबी (इजिप्शियन) ar-EG जर्मन (जर्मनी) de-DE
अंग्रेज़ी (यूएस) en-US स्पेनिश (यूएस) es-US
फ़्रांसीसी (फ़्रांस) fr-FR हिन्दी (भारत) hi-IN
इंडोनेशियन (इंडोनेशिया) id-ID इतालवी (इटली) it-IT
जैपनीज़ (जापान) ja-JP कोरियन (कोरिया) ko-KR
पॉर्चुगीज़ (ब्राज़ील) pt-BR रूसी (रूस) ru-RU
डच (नीदरलैंड्स) nl-NL पोलिश (पोलैंड) pl-PL
थाई (थाईलैंड) th-TH टर्किश (तुर्की) tr-TR
वियतनामीज़ (वियतनाम) vi-VN रोमेनियन (रोमानिया) ro-RO
यूक्रेनियन (यूक्रेन) uk-UA बांग्ला (बांग्लादेश) bn-BD
अंग्रेज़ी (भारत) en-IN और hi-IN बंडल मराठी (भारत) mr-IN
तमिल (भारत) ta-IN तेलुगु (भारत) te-IN