Limites et spécifications de l'API Live


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

Spécifications et limites générales

  • Entrée et sortie 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, Grounding avec Google Search, Grounding avec Google Maps

  • Date limite de connaissances : janvier 2025

Le Live API n'est pas compatible avec la génération de sorties structurées (comme JSON) ni avec l'API Count Tokens.

Limites liées aux sessions

Pour le Live API, une session fait référence à une connexion persistante dans laquelle 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 propose certaines 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 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.
    • L'entrée vidéo + audio est limitée à 2 minutes.

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

    Vous recevrez une notification de fin de connexion 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

Le Live API est soumis à des limites de débit pour les sessions simultanées par projet Firebase et pour les jetons par minute (JPM).

Formats multimédias

Le Live API est compatible avec les types de médias suivants :

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

Formats d'image

Le Live API est compatible avec les formats suivants pour l'entrée d'image :

  • Nombre maximal d'images par requête : 3 000

  • Taille maximale des fichiers (données intégrées) : 7 Mo

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

Formats audio

Le 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 la fréquence d'échantillonnage de l'entrée audio, définissez le type MIME de chaque objet blob contenant de l'audio sur une valeur telle que audio/pcm;rate=16000.

Formats vidéo

Le Live API attend une séquence d'images discrètes et accepte l'entrée d'images vidéo à 1 image par seconde (IPS).

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

  • 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 les Live API inadaptés aux cas d'utilisation qui nécessitent l'analyse de vidéos en évolution rapide, comme les actions de jeu dans les sports à grande vitesse.

Voix de réponse

Le Live API est compatible avec les options de voix de réponse suivantes. Pour obtenir des démos de ce que chaque voix donne, consultez Chirp 3 : voix HD.

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

Découvrez comment spécifier la voix de réponse.

Zephyr : Lumineuse
Kore : Ferme
Orus : Ferme
Autonoe : Lumineuse
Umbriel : Décontractée
Erinome : Clair
Laomedeia : Entraînante
Schedar : Équilibrée
Achird : Amicale
Sadachbia : Animée 		Puck : Entraînante
Fenrir : Excitée
Aoede : Légère
Enceladus : Voix basse
Algieba : Douce
Algenib : Graveleuse
Achernar : Douce
Gacrux : Mature
Zubenelgenubi : Décontractée
Sadaltager : Informée 		Charon : Informative
Leda : Jeune
Callirrhoe : Décontractée
Iapetus : Clair
Despina : Douce
Rasalgethi : Informative
Alnilam : Ferme
Pulcherrima : Directe
Vindemiatrix : Douce
Sulafat : Chaleureuse

Langues

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

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) Groupe en-IN et hi-IN Marathi (Inde) mr-IN
Tamoul (Inde) ta-IN Télougou (Inde) te-IN