Esta página descreve vários limites e especificações para usar o Live API e os modelos dele.
Especificações e limites gerais
Entrada e saída compatíveis: (para mais detalhes, consulte formatos de mídia abaixo)
- Entrada: texto, imagens (não PDFs), áudio, vídeo
- Saída: texto (transcrição) e áudio (streaming)
Ferramentas compatíveis: chamada de função, embasamento com
Google Search eGoogle Maps Data limite de conhecimento: janeiro de 2025
O Live API não oferece suporte à geração de saída estruturada (como JSON) ou à API Count Tokens.
Limites relacionados à sessão
Para o Live API, uma sessão se refere a uma conexão persistente em que a entrada e a saída são transmitidas continuamente por uma conexão.
Se a sessão exceder qualquer um dos seguintes limites, a conexão será encerrada. No entanto, o Live API oferece algumas opções (veja abaixo) para lidar com esses limites relacionados à sessão.
A janela de contexto da sessão é limitada a 128 mil tokens.
Devido a esse limite de janela de contexto, confira as durações máximas aproximadas das sessões com base nas modalidades de entrada:
- As sessões de entrada somente de áudio são limitadas a
15 minutos . - A entrada de vídeo e áudio é limitada a
2 minutos .
- As sessões de entrada somente de áudio são limitadas a
A duração da conexão é limitada a cerca de
10 minutos .Você vai receber uma notificação de encerramento cerca de
60 segundos antes do fim da conexão.
Confira algumas opções para lidar com limites relacionados à sessão:
Comprima a janela de contexto da sessão para que o servidor mantenha automaticamente o tamanho do contexto dentro do limite.
Retomar uma sessão para não perder o contexto da conversa durante breves desconexões de rede ou depois de receber uma notificação de desconexão.
Saiba mais sobre como gerenciar sessões.
Limites de taxas
O Live API tem limites de taxa para sessões simultâneas por projeto do Firebase e para tokens por minuto (TPM).
Gemini Developer API:
- Os limites variam de acordo com o Gemini Developer API"nível de uso" do projeto. Consulte a documentação de limites de taxa.
Agent Platform Gemini API (formerly Vertex AI):
- 1.000 sessões simultâneas por projeto do Firebase
- 4 milhões de tokens por minuto
Formatos de mídia
O Live API é compatível com os seguintes tipos de mídia:
- Entrada: imagens, áudio, vídeo
- Saída: áudio
Formatos de imagem
O Live API é compatível com o seguinte para entrada de imagem:
Máximo de imagens por comando: 3.000
Tamanho máximo do arquivo (dados inline): 7 MB
Tipos MIME compatíveis:
image/png,image/jpeg,image/webp,image/heic,image/heif
Formatos de áudio
O Live API é compatível com os seguintes formatos de áudio:
- Formato de áudio de entrada:áudio PCM bruto de 16 bits a 16 kHz little-endian
Formato de áudio de saída:áudio PCM bruto de 16 bits a 24 kHz little-endian
Tipos MIME aceitos:
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 a taxa de amostragem do áudio de entrada, defina o tipo MIME de cada
Blob que contém áudio como um valor como audio/pcm;rate=16000.
Formatos de vídeo
O Live API espera uma sequência de frames de imagem discretos e aceita entrada de frames de vídeo a 1 frame por segundo (FPS).
Entrada recomendada: resolução nativa de 768 x 768 a 1 FPS.
Tipos MIME aceitos:
video/x-flv,video/quicktime,video/mpeg,video/mpegs,video/mpg,video/mp4,video/webm,video/wmv,video/3gpp
Essa especificação torna o Live API inadequado para casos de uso que exigem a análise de vídeos que mudam rapidamente, como jogadas em esportes de alta velocidade.
Vozes de resposta
O Live API oferece suporte a 30 vozes em alta definição sintetizadas diferentes, cada uma com características distintas. Você pode conferir uma lista de opções de voz de resposta e ouvir demonstrações de cada uma delas ao abrir a seção abaixo.
Se você não especificar uma voz de resposta, o padrão será Puck.
Saiba como especificar a voz da resposta.
Idiomas
O Live API está disponível nos seguintes idiomas. Saiba como influenciar o idioma da resposta.
Idiomas aceitos por todos os modelos de geração de áudio
| Idioma | Código BCP-47 | Idioma | Código BCP-47 |
|---|---|---|---|
| Árabe (egípcio) | ar-EG | Alemão (Alemanha) | de-DE |
| Inglês (EUA) | en-US | Espanhol (EUA) | es-US |
| Francês (França) | fr-FR | Híndi (Índia) | hi-IN |
| Indonésio (Indonésia) | id-ID | Italiano (Itália) | it-IT |
| Japonês (Japão) | ja-JP | Coreano (Coreia) | ko-KR |
| Português (Brasil) | pt-BR | Russo (Rússia) | ru-RU |
| Holandês (Holanda) | nl-NL | Polonês (Polônia) | pl-PL |
| Tailandês (Tailândia) | th-TH | Turco (Turquia) | tr-TR |
| Vietnamita (Vietnã) | vi-VN | Romeno (Romênia) | ro-RO |
| Ucraniano (Ucrânia) | uk-UA | Bengali (Bangladesh) | bn-BD |
| Inglês (Índia) | Pacote en-IN e hi-IN | Marati (Índia) | mr-IN |
| Tâmil (Índia) | ta-IN | Telugu (Índia) | te-IN |
Outros idiomas compatíveis com modelos 3.x de geração de áudio
| Idioma | Código BCP-47 | Idioma | Código BCP-47 |
|---|---|---|---|
| Africâner | af | Filipino | fil |
| Albanês | sq | Finlandês | fi |
| Amárico | am | Galego | gl |
| Armênio | hy | Georgiano | ka |
| Azerbaijano | az | Grego | el |
| Basco | eu | Gujarati | gu |
| Bielorrusso | be | Crioulo haitiano | ht |
| Búlgaro | bg | Hebraico | he |
| Birmanês | my | Húngaro | hu |
| Catalão | ca | Islandês | é |
| Cebuano | ceb | Javanês | jv |
| Chinês, mandarim | cmn | Canarês | kn |
| Croata | h | Concani | kok |
| Tcheco | cs | Laosiano | lo |
| Dinamarquês | da | Latim | la |
| Estoniano | et | Letão | lv |
| Lituano | lt | Luxemburguês | lb |
| Macedônio | mk | Maithili | mai |
| Malgaxe | mg | Malaio | ms |
| Malaiala | ml | Mongol | mn |
| Nepalês | ne | Norueguês (Bokmål) | nb |
| Norueguês (Nynorsk) | nn | Oriá | ou |
| Pashto | ps | Persa | fa |
| Punjabi | pa | Sérvio | sr |
| Sindi | sd | Cingalês | si |
| Eslovaco | sk | Esloveno | sl |
| Suaíli | sw | Sueco | sv |
| Urdu | ur |