Limites e especificações da API Live 


Esta página descreve vários limites e especificações para usar a Live API e os modelos dela.

Especificações e limites gerais

  • Entrada e saída com suporte: (para mais detalhes, consulte Formatos de mídia abaixo)

    • Entrada: texto, imagens (não PDFs), áudio, vídeo
    • Saída: texto (transcrição) e áudio (streaming)

  • Ferramentas com suporte: chamada de função, Grounding com Google Search, Grounding com Google Maps

  • Data de corte de conhecimento: janeiro de 2025

O Live API não oferece suporte à geração de saída estruturada (como JSON) ou à API Count Tokens.

Limites relacionados à sessão

Para o Live API, uma sessão se refere a uma conexão persistente em que a entrada e a saída são transmitidas continuamente por uma conexão.

Se a sessão exceder qualquer um dos limites a seguir, a conexão será encerrada. No entanto, o Live API oferece algumas opções (consulte abaixo) para lidar com esses limites relacionados à sessão.

  • A janela de contexto da sessão é limitada a 128 mil tokens.

    Devido a esse limite de janela de contexto, confira as durações máximas aproximadas da sessão com base nas modalidades de entrada:

    • As sessões de entrada somente de áudio são limitadas a 15 minutos.
    • A entrada de vídeo e áudio é limitada a 2 minutos.

  • A duração da conexão é limitada a cerca de 10 minutos.

    Você vai receber uma notificação de encerramento cerca de 60 segundos antes do fim da conexão.

Confira algumas opções para lidar com limites relacionados à sessão:

Saiba mais sobre como gerenciar sessões.

Limites de taxas

O Live API tem limites de taxas para sessões simultâneas por projeto do Firebase e para tokens por minuto (TPM).

  • Gemini Developer API:

  • Vertex AI Gemini API:

    • 1.000 sessões simultâneas por projeto do Firebase
    • 4 milhões de tokens por minuto

Formatos de mídia

O Live API oferece suporte aos seguintes tipos de mídia:

  • Entrada: imagens, áudio, vídeo
  • Saída: áudio

Formatos de imagem

O Live API oferece suporte ao seguinte para entrada de imagem:

  • Máximo de imagens por comando: 3.000

  • Tamanho máximo do arquivo por arquivo (dados inline): 7 MB

  • Tipos MIME com suporte: image/png, image/jpeg, image/webp, image/heic, image/heif

Formatos de áudio

O Live API oferece suporte aos seguintes formatos de áudio:

  • Formato de áudio de entrada:áudio PCM bruto de 16 bits a 16 kHz little-endian

  • Formato de áudio de saída:áudio PCM bruto de 16 bits a 24 kHz little-endian

  • Tipos MIME com suporte: audio/x-aac, audio/flac, audio/mp3, audio/m4a, audio/mpeg, audio/mpga, audio/mp4, audio/ogg, audio/pcm, audio/wav, audio/webm

Para transmitir a taxa de amostragem do áudio de entrada, defina o tipo MIME de cada blob que contém áudio para um valor como audio/pcm;rate=16000.

Formatos de vídeo

O Live API espera uma sequência de frames de imagem discretos e oferece suporte à entrada de frames de vídeo a 1 frame por segundo (FPS).

  • Entrada recomendada: resolução nativa de 768 x 768 a 1 FPS.

  • Tipos MIME com suporte: video/x-flv, video/quicktime, video/mpeg, video/mpegs, video/mpg, video/mp4, video/webm, video/wmv, video/3gpp

Essa especificação torna o Live API inadequado para casos de uso que exigem a análise de vídeos de mudança rápida, como jogadas em esportes de alta velocidade.

Vozes de resposta

O Live API oferece suporte às seguintes opções de voz de resposta. Para demonstrações de como cada voz soa, consulte Chirp 3: vozes em alta definição.

Se você não especificar uma voz de resposta, o padrão será Puck.

Saiba como especificar a voz de resposta.

Zephyr — Brilhante
Kore — Firme
Orus — Firme
Autonoe — Brilhante
Umbriel — Descontraída
Erinome — Clara
Laomedeia — Animada
Schedar — Equilibrada
Achird — Amigável
Sadachbia — Animada 		Puck — Animada
Fenrir — Excitável
Aoede — Leve
Enceladus — Ofegante
Algieba — Suave
Algenib — Grave
Achernar — Suave
Gacrux — Madura
Zubenelgenubi — Casual
Sadaltager — Conhecedora 		Charon — Informativa
Leda — Jovem
Callirrhoe — Descontraída
Iapetus — Clara
Despina — Suave
Rasalgethi — Informativa
Alnilam — Firme
Pulcherrima — Direta
Vindemiatrix — Gentil
Sulafat — Quente

Idiomas

O Live API oferece suporte aos seguintes idiomas. Saiba como influenciar o idioma da resposta.

Idioma Código BCP-47 Idioma Código BCP-47
Árabe (egípcio) ar-EG Alemão (Alemanha) de-DE
Inglês (EUA) en-US Espanhol (EUA) es-US
Francês (França) fr-FR Híndi (Índia) hi-IN
Indonésio (Indonésia) id-ID Italiano (Itália) it-IT
Japonês (Japão) ja-JP Coreano (Coreia) ko-KR
Português (Brasil) pt-BR Russo (Rússia) ru-RU
Holandês (Holanda) nl-NL Polonês (Polônia) pl-PL
Tailandês (Tailândia) th-TH Turco (Turquia) tr-TR
Vietnamita (Vietnã) vi-VN Romeno (Romênia) ro-RO
Ucraniano (Ucrânia) uk-UA Bengali (Bangladesh) bn-BD
Inglês (Índia)‎ Pacote en-IN e hi-IN Marati (Índia) mr-IN
Tâmil (Índia) ta-IN Telugu (Índia) te-IN