Live API 的限制和規格


本頁面說明使用 Live API 及其模型的各種限制和規格。

一般規格和限制

  • 支援的輸入和輸出： (詳情請參閱下方的媒體格式)

    • 輸入：文字、圖片 (非 PDF)、音訊、影片
    • 輸出：文字 (轉錄稿) 和音訊 (串流)

  • 支援的工具：呼叫函式、使用 Google Search 建立基準、使用 Google Maps 建立基準

  • 知識截點：2025 年 1 月

Live API 不支援生成結構化輸出內容 (例如 JSON) 或 Count Tokens API。

工作階段相關限制

在 Live API 中，「工作階段」是指持續連線，輸入和輸出內容會透過連線持續串流。

如果工作階段超過下列任一限制，連線就會終止。不過請注意，Live API 提供了一些選項 (請見下方)，可處理這些工作階段相關限制。

  • 工作階段脈絡窗口上限為 12.8 萬個詞元。

    由於脈絡窗口限制，以下是根據輸入模態估算的工作階段長度上限：

    • 僅限音訊輸入的工作階段，長度上限為 15 分鐘。
    • 影片 + 音訊輸入內容長度上限為 2 分鐘。

  • 連線時間上限約為 10 分鐘。

    連線結束前約 60 秒，您會收到即將中斷通知。

以下是處理工作階段相關限制的幾個選項：

進一步瞭解如何管理工作階段。

頻率限制

Live API 對每個 Firebase 專案的並行工作階段，以及每分鐘詞元數 (TPM) 設有頻率限制。

  • Gemini Developer API：

  • Agent Platform Gemini API (formerly Vertex AI)：

    • 每個 Firebase 專案 1,000 個並行工作階段
    • 每分鐘 400 萬個詞元

媒體格式

Live API 支援下列媒體類型：

  • 輸入內容：圖片、音訊、影片
  • 輸出內容：音訊

圖片格式

Live API 支援下列圖片輸入：

  • 每個提示詞的圖片數量上限：3,000

  • 每個檔案的大小上限 (內嵌資料)：7 MB

  • 支援的 MIME 類型：image/png、image/jpeg、image/webp、image/heic、image/heif

音訊格式

Live API 支援下列音訊格式：

  • 輸入音訊格式：原始 16 位元 PCM 音訊，16kHz 小端序

  • 輸出音訊格式：原始 16 位元 PCM 音訊，24kHz 小端序

  • 支援的 MIME 類型：audio/x-aac、audio/flac、audio/mp3、audio/m4a、audio/mpeg、audio/mpga、audio/mp4、audio/ogg、audio/pcm、audio/wav、audio/webm

如要傳達輸入音訊的取樣率，請將每個包含音訊的 Blob 的 MIME 類型設為 audio/pcm;rate=16000 等值。

影片格式

Live API 預期會收到一系列不連續的圖片影格，並支援每秒 1 個影格 (FPS) 的影片影格輸入。

  • 建議輸入內容：原生 768x768 解析度，每秒影格數 1。

  • 支援的 MIME 類型：video/x-flv、video/quicktime、video/mpeg、video/mpegs、video/mpg、video/mp4、video/webm、video/wmv、video/3gpp

請注意，這項規格Live API不適合用於 需要分析快速變化的影片，例如高速 運動的即時賽況。

回覆語音

Live API 支援 30 種不同的合成 HD 語音，每種語音都有獨特特色。展開下方章節，即可查看回覆語音選項清單，並聆聽各語音的示範。

如未指定回覆語音，則預設為 Puck。

瞭解如何指定回覆語音。

語言

Live API 支援下列語言。瞭解如何影響回覆語言。

所有音訊生成模型支援的語言
語言 BCP-47 代碼 語言 BCP-47 代碼
阿拉伯文 (埃及) ar-EG 德文 (德國) de-DE
英文 (美國) en-US 西班牙文 (美國) es-US
法文 (法國) fr-FR 北印度文 (印度) hi-IN
印尼文 (印尼) id-ID 義大利文 (義大利) it-IT
日文 (日本) ja-JP 韓文 (韓國) ko-KR
葡萄牙文 (巴西) pt-BR 俄文 (俄羅斯) ru-RU
荷蘭文 (荷蘭) nl-NL 波蘭文 (波蘭) pl-PL
泰文 (泰國) th-TH 土耳其文 (土耳其) tr-TR
越南文 (越南) vi-VN 羅馬尼亞文 (羅馬尼亞) ro-RO
烏克蘭文 (烏克蘭) uk-UA 孟加拉文 (孟加拉) bn-BD
英文 (印度) en-IN 和 hi-IN 組合 馬拉地文 (印度) mr-IN
泰米爾文 (印度) ta-IN 泰盧固文 (印度) te-IN
音訊生成 3.x 模型支援的其他語言
語言 BCP-47 代碼 語言 BCP-47 代碼
南非荷蘭文 南非荷蘭文 菲律賓文 fil
阿爾巴尼亞文 阿爾巴尼亞文 芬蘭文 芬蘭文
阿姆哈拉文 阿姆哈拉文 加里西亞文 加里西亞文
亞美尼亞文 亞美尼亞文 喬治亞文 喬治亞文
亞塞拜然文 亞塞拜然文 希臘文 希臘文
巴斯克文 巴斯克文 古吉拉特文 古吉拉特文
白俄羅斯語 be 海地克里奧爾文 ht
保加利亞文 保加利亞文 希伯來文 他
緬甸文 my 匈牙利文 匈牙利文
加泰隆尼亞文 加泰隆尼亞文 冰島文 為
宿霧文 ceb 爪哇語 jv
中文 (華語) cmn 卡納達文 卡納達文
克羅埃西亞文 小時 貢根文 kok
捷克文 捷克文 寮文 lo
丹麥文 da 拉丁文 la
愛沙尼亞文 愛沙尼亞文 拉脫維亞文 lv
立陶宛文 lt 盧森堡文 lb
馬其頓文 馬其頓文 邁蒂利文 mai
馬達加斯加文 mg 馬來文 ms
馬拉雅拉姆文 馬拉雅拉姆文 蒙古文 mn
尼泊爾文 尼泊爾文 挪威文 (Bokmål) nb
挪威文 (新挪威文) nn 歐利亞文 或
普什圖文 ps 波斯文 波斯文
旁遮普文 旁遮普文 塞爾維亞文 塞爾維亞文
信德文 sd 錫蘭文 僧伽羅文 (錫蘭文)
斯洛伐克文 sk 斯洛維尼亞文 斯洛維尼亞文
史瓦西里文 sw 瑞典文 瑞典文
烏都文 烏都文