Limites et spécifications de l'API Live


Cette page décrit les différentes limites et spécifications d'utilisation de Live API et de ses modèles.

Spécifications et limites générales

  • Entrées et sorties compatibles (pour en savoir plus, consultez la section Formats multimédias ci-dessous) :

    • Entrée : texte, images (pas de PDF), audio, vidéo
    • Sortie : texte (transcription) et audio (streaming)

  • Outils compatibles : appel de fonction, ancrage avec Google Search, ancrage avec Google Maps

  • Date limite des connaissances : janvier 2025

Live API ne permet pas de générer des sorties structurées (comme JSON) ni d'utiliser l'API Count Tokens.

Limites liées aux sessions

Pour Live API, une session fait référence à une connexion persistante où l'entrée et la sortie sont diffusées en continu sur une connexion.

Si la session dépasse l'une des limites suivantes, la connexion est interrompue. Notez toutefois que le Live API fournit des options (voir ci-dessous) pour gérer ces limites liées aux sessions.

  • La fenêtre de contexte de session est limitée à 128 000 jetons.

    En raison de cette limite de la fenêtre de contexte, voici les durées maximales approximatives des sessions en fonction des modalités d'entrée :

    • Les sessions d'entrée audio uniquement sont limitées à 15 minutes.
    • Les entrées vidéo et audio sont limitées à 2 minutes.

  • La durée de la connexion est limitée à environ 10 minutes.

    Vous recevrez une notification de déconnexion environ 60 secondes avant la fin de la connexion.

Voici quelques options pour gérer les limites liées aux sessions :

En savoir plus sur la gestion des sessions

Limites de débit

Live API est soumis à des limites de débit pour les sessions simultanées par projet Firebase, ainsi que pour les jetons par minute (TPM).

  • Gemini Developer API :

  • Agent Platform Gemini API (formerly Vertex AI) :

    • 1 000 sessions simultanées par projet Firebase
    • 4 millions de jetons par minute

Formats multimédias

Le Live API est compatible avec les types de contenus multimédias suivants :

  • Entrée : images, audio, vidéo
  • Sortie : audio

Formats d'image

Live API accepte les éléments suivants pour l'entrée d'image :

  • Nombre maximal d'images par prompt : 3 000

  • Taille maximale par fichier (données intégrées) : 7 Mo

  • Types MIME compatibles : image/png, image/jpeg, image/webp, image/heic, image/heif

Formats audio

Live API est compatible avec les formats audio suivants :

  • Format audio d'entrée : audio PCM 16 bits brut à 16 kHz little-endian

  • Format audio de sortie : audio PCM 16 bits brut à 24 kHz little-endian

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

Pour indiquer le taux d'échantillonnage de l'audio d'entrée, définissez le type MIME de chaque blob contenant de l'audio sur une valeur telle que audio/pcm;rate=16000.

Formats vidéo

Live API attend une séquence d'images distinctes et accepte les images vidéo à une fréquence d'une image par seconde (FPS).

  • Entrée recommandée : résolution native de 768 x 768 à 1 FPS.

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

Notez que cette spécification rend Live API inadapté aux cas d'utilisation qui nécessitent l'analyse de vidéos qui changent rapidement, comme les commentaires en direct dans les sports à grande vitesse.

Voix de réponse

Live API est compatible avec 30 voix HD synthétisées différentes, chacune ayant des caractéristiques distinctes. Vous pouvez consulter la liste des options de voix de réponse et écouter des démos de chaque voix en développant la section ci-dessous.

Si vous ne spécifiez pas de voix de réponse, la valeur par défaut est Puck.

Découvrez comment spécifier la voix de la réponse.

Langues

Live API est compatible avec les langues suivantes. Découvrez comment influencer la langue de la réponse.

Langues compatibles avec tous les modèles de génération audio
Langue Code BCP-47 Langue Code BCP-47
Arabe (Égypte) ar-EG Allemand (Allemagne) de-DE
Anglais (États-Unis) en-US Espagnol (États-Unis) es-US
Français (France) fr-FR Hindi (Inde) hi-IN
Indonésien (Indonésie) id-ID Italien (Italie) it-IT
Japonais (Japon) ja-JP Coréen (Corée) ko-KR
Portugais (Brésil) pt-BR Russe (Russie) ru-RU
Néerlandais (Pays-Bas) nl-NL Polonais (Pologne) pl-PL
Thaï (Thaïlande) th-TH Turc (Turquie) tr-TR
Vietnamien (Viêt Nam) vi-VN Roumain (Roumanie) ro-RO
Ukrainien (Ukraine) uk-UA Bengali (Bangladesh) bn-BD
Anglais (Inde) Pack en-IN et hi-IN Marathi (Inde) mr-IN
Tamoul (Inde) ta-IN Télougou (Inde) te-IN
Langues supplémentaires compatibles avec les modèles 3.x de génération audio
Langue Code BCP-47 Langue Code BCP-47
Afrikaans af Filipino fil
Albanais sq Finnois fi
Amharique a.m. Galicien gl
Arménien hy Géorgien ka
Azéri az Grec el
Basque eu Gujarati gu
Biélorusse b Créole haïtien ht
Bulgare bg Hébreu il
Birman mon Hongrois hu
Catalan ca Islandais est
Cebuano ceb Javanais jv
Chinois (mandarin) cmn Kannada kn
Croate h Konkani kok
Tchèque cs Laotien lo
Danois da Latin la
Estonien et Letton lv
Lituanien lt Luxembourgeois lb
Macédonien mk Maithili mai
Malgache mg Malais ms
Malayalam ml Mongol mn
Népalais ne Norvégien, bokmål nb
Norvégien (nynorsk) nn Odia ou
Pachto ps Perse fa
Panjabi pa Serbe sr
Sindhî sd Cingalais si
Slovaque sk Slovène sl
Swahili sw Suédois sv
Urdu ur