Limity i specyfikacje interfejsu Live API

Na tej stronie opisujemy różne limity i specyfikacje dotyczące korzystania z Live API i jego modeli.

Limity związane z sesjami

W przypadku Live API sesja to stałe połączenie, w ramach którego dane wejściowe i wyjściowe są przesyłane strumieniowo w sposób ciągły.

Jeśli sesja przekroczy którykolwiek z tych limitów, połączenie zostanie zakończone. Pamiętaj jednak, że Live API udostępnia kilka opcji (patrz poniżej), które pozwalają radzić sobie z tymi limitami związanymi z sesjami.

• Okno kontekstu sesji jest ograniczone do 128 tys. tokenów.

  Ze względu na ten limit okna kontekstu podajemy przybliżone maksymalne długości sesji w zależności od rodzaju danych wejściowych:

  • Sesje wejściowe tylko z dźwiękiem są ograniczone do 15 minut.
  • Wejście wideo i audio jest ograniczone do 2 minut.

• Długość połączenia jest ograniczona do około 10 minut.

  Otrzymasz powiadomienie o wycofaniu 60 sekund przed zakończeniem połączenia.

Oto kilka opcji radzenia sobie z limitami związanymi z sesjami:

• Kompresuj okno kontekstu sesji, aby serwer automatycznie utrzymywał rozmiar kontekstu w ramach limitu.

• Wznów sesję, aby uniknąć utraty kontekstu rozmowy podczas krótkich przerw w połączeniu z siecią lub po otrzymaniu powiadomienia o opuszczeniu.

Dowiedz się więcej o zarządzaniu sesjami.

Ograniczenia liczby żądań

Live API ma limity szybkości zarówno w przypadku sesji równoczesnych na projekt w Firebase, jak i tokenów na minutę (TPM).

• Gemini Developer API:

  • Limity różnią się w zależności od Gemini Developer API„poziomu wykorzystania” projektu (więcej informacji znajdziesz w dokumentacji limitów szybkości).

• Vertex AI Gemini API:

  • 1000 sesji równoczesnych na projekt w Firebase
  • 4 mln tokenów na minutę

Formaty audio

Live API obsługuje te formaty audio:

• Format dźwięku wejściowego: surowy 16-bitowy dźwięk PCM o częstotliwości próbkowania 16 kHz w formacie little-endian

• Format wyjściowy dźwięku: surowy 16-bitowy dźwięk PCM o częstotliwości próbkowania 24 kHz w formacie little-endian

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

Aby przekazać częstotliwość próbkowania wejściowego dźwięku, ustaw typ MIME każdego obiektu Blob zawierającego dźwięk na wartość taką jak audio/pcm;rate=16000.

Formaty wideo

Live API oczekuje sekwencji oddzielnych klatek obrazu i obsługuje klatki wideo z szybkością 1 klatki na sekundę.

• Zalecane dane wejściowe: natywna rozdzielczość 768 x 768 pikseli przy 1 klatce na sekundę.

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

Pamiętaj, że ta specyfikacja sprawia, że Live API nie nadaje się do przypadków użycia, które wymagają analizowania szybko zmieniającego się obrazu, np. relacji z szybkich wydarzeń sportowych.

Głosy odpowiedzi

Live API obsługuje te opcje głosu odpowiedzi. Przykłady brzmienia poszczególnych głosów znajdziesz w artykule Chirp 3: głosy HD.

Jeśli nie określisz głosu odpowiedzi, domyślnie używany będzie głos Puck.

Dowiedz się, jak określić głos odpowiedzi.

Zephyr -- Bright Kore -- Firm Orus -- Firm Autonoe -- Bright Umbriel -- Easy-going Erinome -- Clear Laomedeia -- Upbeat Schedar -- Even Achird -- Friendly Sadachbia -- Lively

Puck -- Optymistyczny Fenrir -- Podekscytowany Aoede -- Lekki Enceladus -- Delikatny Algieba -- Gładki Algenib -- Chrapliwy Achernar -- Miękki Gacrux -- Dojrzały Zubenelgenubi -- Swobodny Sadaltager -- Wiedzący

Charon -- Informacyjny Leda -- Młodzieńczy Callirrhoe -- Spokojny Iapetus -- Wyraźny Despina -- Płynny Rasalgethi -- Informacyjny Alnilam -- Stanowczy Pulcherrima -- Bezpośredni Vindemiatrix -- Łagodny Sulafat -- Ciepły

Języki

Live API obsługuje te języki. Dowiedz się, jak wpływać na język odpowiedzi.

Język	Kod BCP-47	Język	Kod BCP-47
arabski (egipski),	ar-EG	niemiecki (Niemcy)	de-DE
angielski (USA)	en-US	hiszpański (USA)	es-US
francuski (Francja)	fr-FR	hindi (Indie)	hi-IN
indonezyjski (Indonezja)	id-ID	włoski (Włochy)	it-IT
japoński (Japonia)	ja-JP	koreański (Korea)	ko-KR
portugalski (Brazylia)	pt-BR	rosyjski (Rosja)	ru-RU
niderlandzki (Holandia)	nl-NL	polski (Polska)	pl-PL
tajski (Tajlandia)	th-TH	turecki (Turcja)	tr-TR
wietnamski (Wietnam)	vi-VN	rumuński (Rumunia)	ro-RO
ukraiński (Ukraina)	uk-UA	bengalski (Bangladesz)	bn-BD
angielski (Indie)	Pakiet en-IN i hi-IN	marathi (Indie)	mr-IN
tamilski (Indie)	ta-IN	telugu (Indie)	te-IN