Limiti e specifiche dell'API Live 


Questa pagina descrive vari limiti e specifiche per l'utilizzo del Live API e dei relativi modelli.

Specifiche e limiti generali

  • Input e output supportati: (per i dettagli, vedi i formati multimediali di seguito)

    • Input: testo, immagini (non PDF), audio, video
    • Output: testo (trascrizione) e audio (streaming)

  • Strumenti supportati: chiamata di funzione, Grounding con Google Search, Grounding con Google Maps

  • Data di interruzione della conoscenza: gennaio 2025

Il Live API non supporta la generazione di output strutturati (come JSON) o l'API Count Tokens.

Limiti relativi alle sessioni

Per l'Live API, una sessione si riferisce a una connessione persistente in cui l'input e l'output vengono trasmessi in streaming continuo su una connessione.

Se la sessione supera uno qualsiasi dei seguenti limiti, la connessione viene terminata. Tieni presente, tuttavia, che il Live API fornisce alcune opzioni (vedi di seguito) per gestire questi limiti relativi alle sessioni.

  • La finestra contestuale della sessione è limitata a 128.000 token.

    A causa di questo limite della finestra contestuale, ecco le durate massime approssimative delle sessioni in base alle modalità di input:

    • Le sessioni di input solo audio sono limitate a 15 minuti.
    • L'input video + audio è limitato a 2 minuti.

  • La durata della connessione è limitata a circa 10 minuti.

    Riceverai una notifica di interruzione circa 60 secondi prima della fine della connessione.

Ecco alcune opzioni per gestire i limiti relativi alle sessioni:

Scopri di più sulla gestione delle sessioni.

Limiti di frequenza

Il Live API ha limiti di frequenza sia per le sessioni simultanee per progetto Firebase sia per i token al minuto (TPM).

  • Gemini Developer API:

  • Agent Platform Gemini API (formerly Vertex AI):

    • 1000 sessioni simultanee per progetto Firebase
    • 4 milioni di token al minuto

Formati multimediali

Il Live API supporta i seguenti tipi di contenuti multimediali:

  • Input: immagini, audio, video
  • Output: audio

Formati immagine

Il Live API supporta i seguenti formati per l'input di immagini:

  • Numero massimo di immagini per prompt: 3000

  • Dimensioni massime del file per file (dati in linea): 7 MB

  • Tipi MIME supportati: image/png, image/jpeg, image/webp, image/heic, image/heif

Formati audio

Il Live API supporta i seguenti formati audio:

  • Formato audio di input: audio PCM a 16 bit raw a 16 kHz little-endian

  • Formato audio di output: audio PCM a 16 bit raw a 24 kHz little-endian

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

Per indicare la frequenza di campionamento dell'audio di input, imposta il tipo MIME di ogni blob contenente audio su un valore come audio/pcm;rate=16000.

Formati video

Il Live API prevede una sequenza di frame di immagini discrete e supporta l'input di frame video a 1 frame al secondo (FPS).

  • Input consigliato: risoluzione nativa 768x768 a 1 FPS.

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

Tieni presente che questa specifica rende il Live API inadatto ai casi d'uso che richiedono l'analisi di video in rapida evoluzione, come le azioni di gioco negli sport ad alta velocità.

Voci di risposta

Il Live API supporta le seguenti opzioni di voce di risposta. Per le demo di ogni voce, consulta Voci in HD Chirp 3.

Se non specifichi una voce di risposta, il valore predefinito è Puck.

Scopri come specificare la voce di risposta.

Zephyr — Brillante
Kore — Fermo
Orus — Fermo
Autonoe — Brillante
Umbriel — Tranquillo
Erinome — Chiaro
Laomedeia — Vivace
Schedar — Uniforme
Achird — Amichevole
Sadachbia — Vivace 		Puck — Vivace
Fenrir — Eccitabile
Aoede — Spensierato
Enceladus — Sussurrato
Algieba — Fluido
Algenib — Rauco
Achernar — Dolce
Gacrux — Maturo
Zubenelgenubi — Informale
Sadaltager — Competente 		Charon — Informativo
Leda — Giovanile
Callirrhoe — Tranquillo
Iapetus — Chiaro
Despina — Fluido
Rasalgethi — Informativo
Alnilam — Fermo
Pulcherrima — Diretto
Vindemiatrix — Delicato
Sulafat — Caldo

Lingue

Il Live API supporta le seguenti lingue. Scopri come influenzare la lingua di risposta.

Lingua Codice BCP-47 Lingua Codice BCP-47
Arabo (egiziano) ar-EG Tedesco (Germania) de-DE
Inglese (USA) en-US Spagnolo (USA) es-US
Francese (Francia) fr-FR Hindi (India) hi-IN
Indonesiano (Indonesia) id-ID Italiano (Italia) it-IT
Giapponese (Giappone) ja-JP Coreano (Corea) ko-KR
Portoghese (Brasile) pt-BR Russo (Russia) ru-RU
Olandese (Paesi Bassi) nl-NL Polacco (Polonia) pl-PL
Thailandese (Thailandia) th-TH Turco (Turchia) tr-TR
Vietnamita (Vietnam) vi-VN Rumeno (Romania) ro-RO
Ucraino (Ucraina) uk-UA Bengalese (Bangladesh) bn-BD
Inglese (India) Bundle en-IN e hi-IN Marathi (India) mr-IN
Tamil (India) ta-IN Telugu (India) te-IN