Limiti e specifiche dell'API Live 


Questa pagina descrive vari limiti e specifiche per l'utilizzo del Live API e dei relativi modelli.

Limiti relativi alle sessioni

Per l'Live API, una sessione si riferisce a una connessione persistente in cui input e output vengono trasmessi in streaming continuo sulla stessa connessione.

Se la sessione supera uno qualsiasi dei seguenti limiti, la connessione viene terminata.

  • La durata della connessione è limitata a circa 10 minuti.

  • La durata della sessione dipende dalle modalità di input:

    • Le sessioni di input solo audio sono limitate a 15 minuti.
    • L'input video + audio è limitato a 2 minuti.

  • La finestra contestuale della sessione è limitata a 128.000 token.

Prima della fine della connessione, riceverai una notifica going away che ti consentirà di intraprendere ulteriori azioni.

Scopri di più sulla gestione delle sessioni.

Limiti di frequenza

Il Live API ha limiti di frequenza sia per le sessioni simultanee per progetto Firebase sia per i token al minuto (TPM).

  • Gemini Developer API:

  • Vertex AI Gemini API:

    • 1000 sessioni simultanee per progetto Firebase
    • 4 milioni di token al minuto

Formati audio

Il Live API supporta i seguenti formati audio:

  • Formato audio di input:audio PCM a 16 bit non elaborato a 16 kHz little-endian

  • Formato audio di output:audio PCM a 16 bit non elaborato a 24 kHz little-endian

  • Tipi MIME supportati: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm

Per indicare la frequenza di campionamento dell'audio di input, imposta il tipo MIME di ogni blob contenente audio su un valore come audio/pcm;rate=16000.

Formati video

Il Live API prevede una sequenza di frame di immagini discreti e supporta l'input di frame video a 1 frame al secondo (FPS).

  • Input consigliato: risoluzione nativa 768x768 a 1 FPS.

  • Tipi MIME supportati: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp

Tieni presente che questa specifica rende il Live API inadatto ai casi d'uso che richiedono l'analisi di video in rapida evoluzione, come le azioni di gioco negli sport ad alta velocità.

Voci di risposta

Il Live API supporta le seguenti opzioni di voce di risposta. Per le demo di ogni voce, consulta Voci in HD Chirp 3.

Se non specifichi una voce di risposta, il valore predefinito è Puck.

Scopri come specificare la voce di risposta.

Zephyr -- Brillante
Kore -- Fermo
Orus -- Fermo
Autonoe -- Brillante
Umbriel -- Tranquillo
Erinome -- Chiaro
Laomedeia -- Vivace
Schedar -- Uniforme
Achird -- Amichevole
Sadachbia -- Vivace 		Puck -- Vivace
Fenrir -- Eccitabile
Aoede -- Spensierato
Enceladus -- Sussurrato
Algieba -- Fluido
Algenib -- Rauco
Achernar -- Dolce
Gacrux -- Maturo
Zubenelgenubi -- Informale
Sadaltager -- Competente 		Charon -- Informativo
Leda -- Giovanile
Callirrhoe -- Tranquillo
Iapetus -- Chiaro
Despina -- Fluido
Rasalgethi -- Informativo
Alnilam -- Fermo
Pulcherrima -- Diretto
Vindemiatrix -- Delicato
Sulafat -- Caldo

Lingue

Il Live API supporta le seguenti lingue. Scopri come influenzare la lingua di risposta.

Lingua Codice BCP-47 Lingua Codice BCP-47
Arabo (egiziano) ar-EG Tedesco (Germania) de-DE
Inglese (USA) en-US Spagnolo (USA) es-US
Francese (Francia) fr-FR Hindi (India) hi-IN
Indonesiano (Indonesia) id-ID Italiano (Italia) it-IT
Giapponese (Giappone) ja-JP Coreano (Corea) ko-KR
Portoghese (Brasile) pt-BR Russo (Russia) ru-RU
Olandese (Paesi Bassi) nl-NL Polacco (Polonia) pl-PL
Thailandese (Thailandia) th-TH Turco (Turchia) tr-TR
Vietnamita (Vietnam) vi-VN Rumeno (Romania) ro-RO
Ucraino (Ucraina) uk_UA Bengalese (Bangladesh) bn-BD
Inglese (India) Bundle en-IN e hi-IN Marathi (India) mr-IN
Tamil (India) ta-IN Telugu (India) te-IN