Questa pagina descrive vari limiti e specifiche per l'utilizzo di Live API e dei relativi modelli.
Specifiche e limiti generali
Input e output supportati: (per maggiori dettagli, vedi formati multimediali di seguito)
- Input: testo, immagini (non PDF), audio, video
- Output: testo (trascrizione) e audio (streaming)
Strumenti supportati: chiamata di funzione, grounding con
Google Search , grounding conGoogle Maps Knowledge cutoff: gennaio 2025
Live API non supporta la generazione di output strutturato (come JSON) o l'API Count Tokens.
Limiti relativi alle sessioni
Per Live API, una sessione si riferisce a una connessione persistente in cui input e output vengono trasmessi in streaming continuamente su una connessione.
Se la sessione supera uno dei seguenti limiti, la connessione viene terminata. Tuttavia, tieni presente che Live API offre alcune opzioni (vedi di seguito) per gestire questi limiti relativi alla sessione.
La finestra contestuale della sessione è limitata a 128.000 token.
A causa di questo limite della finestra contestuale, ecco le durate massime approssimative della sessione in base alle modalità di input:
- Le sessioni di input solo audio sono limitate a
15 minuti . - L'input video + audio è limitato a
2 minuti .
- Le sessioni di input solo audio sono limitate a
La durata della connessione è limitata a circa
10 minuti .Riceverai una notifica di interruzione circa
60 secondi� prima della fine della connessione.
Ecco alcune opzioni per gestire i limiti relativi alle sessioni:
Comprimi la finestra contestuale della sessione in modo che il server mantenga automaticamente le dimensioni del contesto entro il limite.
Riprendi una sessione per evitare di perdere il contesto della conversazione durante brevi disconnessioni di rete o dopo aver ricevuto una notifica di interruzione.
Scopri di più sulla gestione delle sessioni.
Limiti di frequenza
Live API ha limiti di frequenza sia per le sessioni simultanee per progetto Firebase sia per i token al minuto (TPM).
Gemini Developer API
- I limiti variano in base al "livello di utilizzo" Gemini Developer API del progetto (consulta la documentazione sui limiti di frequenza).
Agent Platform Gemini API (formerly Vertex AI)
- 1000 sessioni simultanee per progetto Firebase
- 4 milioni di token al minuto
Formati multimediali
Live API supporta i seguenti tipi di media:
- Input: immagini, audio, video
- Output: audio
Formati immagine
Live API supporta i seguenti formati per l'input delle immagini:
Numero massimo di immagini per prompt: 3000
Dimensioni massime del file per file (dati in linea): 7 MB
Tipi MIME supportati:
image/png,image/jpeg,image/webp,image/heic,image/heif
Formati audio
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 raw a 16 bit 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
Live API si aspetta una sequenza di frame immagine 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 Live API inadatto ai casi d'uso che richiedono l'analisi di video in rapida evoluzione, come le azioni di gioco ad alta velocità negli sport.
Voci di risposta
Live API supporta 30 diverse voci HD sintetizzate, ognuna con caratteristiche distinte. Puoi visualizzare un elenco di opzioni vocali per le risposte e ascoltare le demo di ogni voce espandendo la sezione seguente.
Se non specifichi una voce di risposta, il valore predefinito è Puck.
Scopri come specificare la voce della risposta.
Lingue
Live API supporta le seguenti lingue. Scopri come influenzare la lingua della risposta.
Lingue supportate da tutti i modelli di generazione audio
| 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 |
Altre lingue supportate dai modelli 3.x che generano audio
| Lingua | Codice BCP-47 | Lingua | Codice BCP-47 |
|---|---|---|---|
| Afrikaans | af | Filippino | fil |
| Albanese | sq | Finlandese | fi |
| Amarico | am | Galiziano | gl |
| Armeno | hy | Georgiano | ka |
| Azero | az | Greek | el |
| Basco | eu | Gujarati | gu |
| Bielorusso | be | Creolo haitiano | ht |
| Bulgaro | bg | Ebraico | he |
| Birmano | mio | Ungherese | hu |
| Catalano | ca | Islandese | è |
| Cebuano | ceb | Giavanese | jv |
| Cinese, mandarino | cmn | Kannada | kn |
| Croato | h | Konkani | kok |
| Ceco | cs | Lao | lo |
| Danese | da | Latino | la |
| Estone | et | Lettone | lv |
| Lituano | lt | Lussemburghese | lb |
| Macedone | mk | Maithili | mai |
| Malgascio | mg | Malese | ms |
| Malayalam | ml | Mongolo | mn |
| Nepali | ne | Norvegese, bokmål | nb |
| Norvegese, nynorsk | nn | Odia | o |
| Pashto | ps | Persiano | fa |
| Punjabi | pa | Serbo | sr |
| Sindhi | sd | Singalese | si |
| Slovak | sk | Sloveno | sl |
| Swahili | sw | Swedish | sv |
| Urdu | ur |