Limity i specyfikacje interfejsu Live API

Na tej stronie opisujemy różne limity i specyfikacje dotyczące korzystania z Live API i jego modeli.

Limity związane z sesją

W przypadku interfejsu Live API API sesja odnosi się do trwałego połączenia, w którym dane wejściowe i wyjściowe są przesyłane strumieniowo w sposób ciągły.

Jeśli sesja przekroczy którykolwiek z tych limitów, połączenie zostanie zakończone. Pamiętaj jednak, że Live API udostępnia kilka opcji (patrz poniżej), które pozwalają radzić sobie z tymi limitami związanymi z sesją.

• Okno kontekstu sesji jest ograniczone do 128 tys. tokenów.

  Ze względu na ten limit okna kontekstu przybliżone maksymalne długości sesji na podstawie modalności wejściowych są takie:

  • Sesje z wejściem tylko audio są ograniczone do 15 minut.
  • Sesje z wejściem wideo i audio są ograniczone do 2 minut.

• Długość połączenia jest ograniczona do około 10 minut.

  Około 60 sekund przed zakończeniem połączenia otrzymasz powiadomienie going away.

Oto kilka opcji radzenia sobie z limitami związanymi z sesją:

• Skompresuj okno kontekstu sesji aby serwer automatycznie utrzymywał rozmiar kontekstu w ramach limitu.

• Wznów sesję aby zapobiec utracie kontekstu rozmowy podczas krótkich przerw w połączeniu sieciowym lub po otrzymaniu powiadomienia going away.

Dowiedz się więcej o zarządzaniu sesjami.

Ograniczenia liczby żądań

Interfejs Live API ma ograniczenia liczby żądań zarówno w przypadku jednoczesnych sesji na projekt w Firebase, jak i tokenów na minutę (TPM).

• Gemini Developer API:

  • Limity różnią się w zależności od Gemini Developer API „poziomu wykorzystania” interfejsu Gemini Developer API projektu (więcej informacji znajdziesz w dokumentacji dotyczącej ograniczeń liczby żądań).

• Vertex AI Gemini API:

  • 1000 jednoczesnych sesji na projekt w Firebase
  • 4 mln tokenów na minutę

Formaty audio

Live API obsługuje te formaty audio:

• Format audio wejściowego: surowe 16-bitowe audio PCM w formacie little-endian z częstotliwością próbkowania 16 kHz.

• Format audio wyjściowego: surowe 16-bitowe audio PCM w formacie little-endian z częstotliwością próbkowania 24 kHz.

• Obsługiwane typy MIME: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm.

Aby przekazać częstotliwość próbkowania dźwięku wejściowego, ustaw typ MIME każdego obiektu Blob zawierającego dźwięk na wartość taką jak audio/pcm;rate=16000.

Formaty wideo

Live API oczekuje sekwencji dyskretnych klatek obrazu i obsługuje klatki wideo z szybkością 1 klatka na sekundę.

• Zalecane dane wejściowe: natywna rozdzielczość 768 x 768 przy 1 klatce na sekundę.

• Obsługiwane typy MIME: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp.

Pamiętaj, że ta specyfikacja sprawia, że Live API nie nadaje się do przypadków użycia które wymagają analizowania szybko zmieniającego się obrazu, np. do relacji na żywo z szybkich sportów.

Głosy odpowiedzi

Interfejs Live API obsługuje te opcje głosu odpowiedzi. Przykłady brzmienia poszczególnych głosów znajdziesz w artykule Chirp 3: HD voices.

Jeśli nie określisz głosu odpowiedzi, domyślnie używany jest głos Puck.

Dowiedz się, jak określić głos odpowiedzi.

Zephyr – jasny Kore – stanowczy Orus – stanowczy Autonoe – jasny Umbriel – spokojny Erinome – wyraźny Laomedeia – radosny Schedar – równy Achird – przyjazny Sadachbia – żywy

Puck – radosny Fenrir – pobudliwy Aoede – lekki Enceladus – szeptliwy Algieba – łagodny Algenib – chropawy Achernar – cichy Gacrux – dojrzały Zubenelgenubi – swobodny Sadaltager – wiedzący

Charon – informacyjny Leda – młodzieńczy Callirrhoe – spokojny Iapetus – wyraźny Despina – łagodny Rasalgethi – informacyjny Alnilam – stanowczy Pulcherrima – bezpośredni Vindemiatrix – delikatny Sulafat – ciepły

Języki

Live API obsługuje te języki. Dowiedz się, jak wpływać na język odpowiedzi.

Język	Kod BCP-47	Język	Kod BCP-47
arabski (egipski)	ar-EG	niemiecki (Niemcy)	de-DE
angielski (USA)	en-US	hiszpański (USA)	es-US
francuski (Francja)	fr-FR	hindi (Indie)	hi-IN
indonezyjski (Indonezja)	id-ID	włoski (Włochy)	it-IT
japoński (Japonia)	ja-JP	koreański (Korea)	ko-KR
portugalski (Brazylia)	pt-BR	rosyjski (Rosja)	ru-RU
niderlandzki (Holandia)	nl-NL	polski (Polska)	pl-PL
tajski (Tajlandia)	th-TH	turecki (Turcja)	tr-TR
wietnamski (Wietnam)	vi-VN	rumuński (Rumunia)	ro-RO
ukraiński (Ukraina)	uk-UA	bengalski (Bangladesz)	bn-BD
angielski (Indie)	pakiet en-IN i hi-IN	marathi (Indie)	mr-IN
tamilski (Indie)	ta-IN	telugu (Indie)	te-IN