ขีดจำกัดและข้อกำหนดของ Live API


หน้านี้อธิบายข้อจำกัดและข้อกำหนดต่างๆ สำหรับการใช้ Live API และโมเดลของ API

ข้อจำกัดที่เกี่ยวข้องกับเซสชัน

สำหรับ Live API คำว่า เซสชัน หมายถึงการเชื่อมต่อแบบถาวรที่ระบบจะสตรีมอินพุต และเอาต์พุตอย่างต่อเนื่องผ่านการเชื่อมต่อ

หากเซสชันเกินขีดจำกัด ใดก็ตาม ต่อไปนี้ ระบบจะยกเลิกการเชื่อมต่อ อย่างไรก็ตาม Live API มีตัวเลือกบางอย่าง (ดูด้านล่าง) เพื่อ จัดการข้อจำกัดที่เกี่ยวข้องกับเซสชันเหล่านี้

  • หน้าต่างบริบทของเซสชัน จำกัดไว้ที่ 128,000 โทเค็น

    เนื่องจากข้อจำกัดของหน้าต่างบริบทนี้ ความยาวเซสชันสูงสุดโดยประมาณจึงเป็นดังนี้

    • เซสชันอินพุตเสียงเท่านั้นจำกัดไว้ที่ 15 นาที
    • อินพุตวิดีโอ + เสียงจำกัดไว้ที่ 2 นาที

  • ความยาวการเชื่อมต่อ จำกัดไว้ที่ประมาณ 10 นาที

    คุณจะได้รับการแจ้งเตือน การสิ้นสุดการเชื่อมต่อ ประมาณ 60 วินาทีก่อนที่การเชื่อมต่อจะสิ้นสุด

ตัวเลือกบางอย่างสำหรับการจัดการข้อจำกัดที่เกี่ยวข้องกับเซสชันมีดังนี้

  • บีบอัดหน้าต่างบริบทของเซสชัน เพื่อให้เซิร์ฟเวอร์รักษาระดับขนาดบริบทให้อยู่ภายในขีดจำกัดโดยอัตโนมัติ

  • กลับมาใช้เซสชันต่อ เพื่อป้องกันไม่ให้บริบทการสนทนาหายไประหว่างที่เครือข่ายขาดการเชื่อมต่อชั่วคราวหรือ หลังจากได้รับการแจ้งเตือน การสิ้นสุด

ดูข้อมูลเพิ่มเติมเกี่ยวกับ การจัดการเซสชัน

ขีดจำกัดอัตรา

Live API มีขีดจำกัดอัตราสำหรับทั้งเซสชันพร้อมกันต่อ โปรเจ็กต์ Firebase และโทเค็นต่อนาที (TPM)

รูปแบบเสียง

Live API รองรับรูปแบบเสียงต่อไปนี้

  • รูปแบบเสียงอินพุต: Raw 16 บิต PCM ที่ 16kHz little-endian

  • รูปแบบเสียงเอาต์พุต: Raw 16 บิต PCM ที่ 24kHz little-endian

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

หากต้องการระบุอัตราการสุ่มตัวอย่างของเสียงอินพุต ให้ตั้งค่าประเภท MIME ของ Blob ที่มีเสียงแต่ละรายการเป็นค่า เช่น audio/pcm;rate=16000

รูปแบบวิดีโอ

Live API คาดหวังลำดับเฟรมรูปภาพแบบแยกและรองรับอินพุตเฟรมวิดีโอ ที่ 1 เฟรมต่อวินาที (FPS)

  • อินพุตที่แนะนำ: ความละเอียด 768x768 ดั้งเดิมที่ 1 FPS

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

โปรดทราบว่าข้อกำหนดนี้ทำให้ Live API ไม่เหมาะกับกรณีการใช้งาน ที่ต้องวิเคราะห์วิดีโอที่มีการเปลี่ยนแปลงอย่างรวดเร็ว เช่น การบรรยายการแข่งขันกีฬาความเร็วสูง แบบเรียลไทม์

เสียงตอบกลับ

Live API รองรับตัวเลือกเสียงตอบกลับต่อไปนี้ หากต้องการดูตัวอย่างเสียงของแต่ละตัวเลือก โปรดดู Chirp 3: HD voices

หากคุณไม่ได้ระบุเสียงตอบกลับ ระบบจะใช้ Puck เป็นค่าเริ่มต้น

ดูวิธีระบุเสียงตอบกลับ

Zephyr -- สดใส
Kore -- หนักแน่น
Orus -- หนักแน่น
Autonoe -- สดใส
Umbriel -- สบายๆ
Erinome -- ชัดเจน
Laomedeia -- ร่าเริง
Schedar -- ราบเรียบ
Achird -- เป็นมิตร
Sadachbia -- มีชีวิตชีวา 		Puck -- ร่าเริง
Fenrir -- ตื่นเต้น
Aoede -- สดใส
Enceladus -- มีลมหายใจ
Algieba -- นุ่มนวล
Algenib -- แหบแห้ง
Achernar -- นุ่มนวล
Gacrux -- เป็นผู้ใหญ่
Zubenelgenubi -- สบายๆ
Sadaltager -- รอบรู้ 		Charon -- ให้ข้อมูล
Leda -- สดใส
Callirrhoe -- สบายๆ
Iapetus -- ชัดเจน
Despina -- นุ่มนวล
Rasalgethi -- ให้ข้อมูล
Alnilam -- หนักแน่น
Pulcherrima -- ตรงไปตรงมา
Vindemiatrix -- อ่อนโยน
Sulafat -- อบอุ่น

ภาษา

Live API รองรับภาษาต่อไปนี้ ดูวิธีกำหนดภาษาตอบกลับ ได้ที่นี่

ภาษา รหัส BCP-47 ภาษา รหัส BCP-47
อาหรับ (อียิปต์) ar-EG เยอรมัน (เยอรมนี) de-DE
อังกฤษ (อเมริกัน) en-US สเปน (สหรัฐอเมริกา) es-US
ฝรั่งเศส (ฝรั่งเศส) fr-FR ฮินดี (อินเดีย) hi-IN
อินโดนีเซีย (อินโดนีเซีย) id-ID อิตาลี (อิตาลี) it-IT
ญี่ปุ่น (ญี่ปุ่น) ja-JP เกาหลี (เกาหลี) ko-KR
โปรตุเกส (บราซิล) pt-BR รัสเซีย (รัสเซีย) ru-RU
ดัตช์ (เนเธอร์แลนด์) nl-NL โปแลนด์ (โปแลนด์) pl-PL
ไทย (ไทย) th-TH ตุรกี (ตุรกี) tr-TR
เวียดนาม (เวียดนาม) vi-VN โรมาเนีย (โรมาเนีย) ro-RO
ยูเครน (ยูเครน) uk-UA เบงกาลี (บังคลาเทศ) bn-BD
อังกฤษ (อินเดีย) ชุดภาษาอังกฤษ (อินเดีย) และฮินดี (อินเดีย) มราฐี (อินเดีย) mr-IN
ทมิฬ (อินเดีย) ta-IN เตลูกู (อินเดีย) te-IN