इस पेज पर, Live API और इसके मॉडल इस्तेमाल करने की अलग-अलग सीमाओं और खास बातों के बारे में बताया गया है.
सामान्य जानकारी और सीमाएं
इस्तेमाल किए जा सकने वाले इनपुट और आउटपुट: (ज़्यादा जानकारी के लिए, नीचे दिए गए मीडिया फ़ॉर्मैट देखें)
- इनपुट: टेक्स्ट, इमेज (PDF नहीं), ऑडियो, वीडियो
- आउटपुट: टेक्स्ट (ट्रांसक्रिप्शन) और ऑडियो (स्ट्रीमिंग)
इस्तेमाल किए जा सकने वाले टूल: फ़ंक्शन कॉलिंग,
Google Search के साथ ग्राउंडिंग,Google Maps के साथ ग्राउंडिंगजानकारी न मिलने की तारीख: जनवरी 2025
Live API, स्ट्रक्चर्ड आउटपुट (जैसे, JSON) जनरेट करने या Count Tokens API के साथ काम नहीं करता.
सेशन से जुड़ी सीमाएं
Live API के लिए, सेशन का मतलब एक स्थायी कनेक्शन से है. इसमें इनपुट और आउटपुट को कनेक्शन पर लगातार स्ट्रीम किया जाता है.
अगर सेशन इनमें से किसी भी सीमा को पार कर जाता है, तो कनेक्शन खत्म हो जाता है. हालांकि, ध्यान दें कि Live API, सेशन से जुड़ी इन सीमाओं को मैनेज करने के लिए कुछ विकल्प (नीचे देखें) उपलब्ध कराता है.
सेशन की कॉन्टेक्स्ट विंडो में 1.28 लाख टोकन इस्तेमाल किए जा सकते हैं.
कॉन्टेक्स्ट विंडो की इस सीमा की वजह से, इनपुट मोड के आधार पर सेशन की ज़्यादा से ज़्यादा अवधि यहाँ दी गई है:
- सिर्फ़ ऑडियो इनपुट वाले सेशन
15 मिनट तक ही चल सकते हैं. - वीडियो और ऑडियो इनपुट की अवधि
दो मिनट से ज़्यादा नहीं होनी चाहिए.
- सिर्फ़ ऑडियो इनपुट वाले सेशन
कनेक्शन की अवधि: ज़्यादा से ज़्यादा
10 मिनट तक कनेक्शन बनाए रखा जा सकता है.कनेक्शन खत्म होने से करीब
60 सेकंड पहले, आपको कनेक्शन खत्म होने की सूचना मिलेगी.
सेशन से जुड़ी सीमाओं को मैनेज करने के लिए, यहां कुछ विकल्प दिए गए हैं:
सेशन की कॉन्टेक्स्ट विंडो को कंप्रेस करें, ताकि सर्वर अपने-आप कॉन्टेक्स्ट के साइज़ को तय सीमा के अंदर बनाए रखे.
सेशन फिर से शुरू करना, ताकि कुछ समय के लिए नेटवर्क डिसकनेक्ट होने या सेशन बंद होने की सूचना मिलने के बाद, बातचीत का कॉन्टेक्स्ट न छूटे.
सेशन मैनेज करने के बारे में ज़्यादा जानें.
अनुरोध संख्या सीमित करना
Live API में, हर Firebase प्रोजेक्ट के लिए एक साथ चलने वाले सेशन और हर मिनट इस्तेमाल किए जाने वाले टोकन (टीपीएम), दोनों के लिए अनुरोध संख्या सीमित करने की सुविधा है.
Gemini Developer API:
- सीमाएं, आपके प्रोजेक्ट के Gemini Developer API "इस्तेमाल के टियर" के हिसाब से अलग-अलग होती हैं. इसके बारे में ज़्यादा जानने के लिए, अनुरोध संख्या सीमित करने से जुड़ा दस्तावेज़ देखें
Agent Platform Gemini API (formerly Vertex AI):
- हर Firebase प्रोजेक्ट के लिए, एक साथ 1,000 सेशन
- हर मिनट 40 लाख टोकन
मीडिया फ़ॉर्मैट
Live API में इस तरह का मीडिया इस्तेमाल किया जा सकता है:
- इनपुट: इमेज, ऑडियो, वीडियो
- आउटपुट: ऑडियो
इमेज फ़ॉर्मैट
Live API में इमेज इनपुट के लिए, ये फ़ॉर्मैट इस्तेमाल किए जा सकते हैं:
हर प्रॉम्प्ट के लिए ज़्यादा से ज़्यादा इमेज: 3,000
हर फ़ाइल का ज़्यादा से ज़्यादा साइज़ (इनलाइन डेटा): 7 एमबी
इस्तेमाल किए जा सकने वाले एमआईएमई टाइप:
image/png,image/jpeg,image/webp,image/heic,image/heif
ऑडियो फ़ॉर्मैट
Live API पर इन ऑडियो फ़ॉर्मैट का इस्तेमाल किया जा सकता है:
- इनपुट ऑडियो फ़ॉर्मैट: 16 किलोहर्ट्ज़ लिटिल-एंडियन पर रॉ 16 बिट पीसीएम ऑडियो
आउटपुट ऑडियो फ़ॉर्मैट: 24 किलोहर्ट्ज़ लिटिल-एंडियन पर रॉ 16 बिट पीसीएम ऑडियो
इस्तेमाल किए जा सकने वाले एमआईएमई टाइप:
audio/x-aac,audio/flac,audio/mp3,audio/m4a,audio/mpeg,audio/mpga,audio/mp4,audio/ogg,audio/pcm,audio/wav,audio/webm
इनपुट ऑडियो के सैंपल रेट की जानकारी देने के लिए, ऑडियो वाले हर ब्लॉब के एमआईएमई टाइप को audio/pcm;rate=16000 जैसी वैल्यू पर सेट करें.
वीडियो फ़ॉर्मैट
Live API को अलग-अलग इमेज फ़्रेम का क्रम चाहिए होता है. यह एक फ़्रेम प्रति सेकंड (एफ़पीएस) पर वीडियो फ़्रेम इनपुट के साथ काम करता है.
सुझाया गया इनपुट: 1 FPS पर नेटिव 768x768 रिज़ॉल्यूशन.
इस्तेमाल किए जा सकने वाले एमआईएमई टाइप:
video/x-flv,video/quicktime,video/mpeg,video/mpegs,video/mpg,video/mp4,video/webm,video/wmv,video/3gpp
ध्यान दें कि इस स्पेसिफ़िकेशन की वजह से, Live API का इस्तेमाल ऐसे मामलों में नहीं किया जा सकता जिनमें तेज़ी से बदलते वीडियो का विश्लेषण करना ज़रूरी होता है. जैसे, तेज़ रफ़्तार वाले खेलों में पल-पल की जानकारी देना.
जवाब देने वाली आवाज़ें
Live API में 30 अलग-अलग सिंथसाइज़्ड एचडी आवाज़ें उपलब्ध हैं. हर आवाज़ की अपनी खासियत है. नीचे दिए गए सेक्शन को बड़ा करके, जवाब देने के लिए उपलब्ध आवाज़ों की सूची देखी जा सकती है और हर आवाज़ का डेमो सुना जा सकता है.
अगर आपने जवाब देने के लिए कोई आवाज़ नहीं चुनी है, तो डिफ़ॉल्ट रूप से Puck का इस्तेमाल किया जाएगा.
जवाब देने के लिए आवाज़ चुनने का तरीका जानें.
भाषाएं
Live API इन भाषाओं में उपलब्ध है. जवाब की भाषा पर असर डालने का तरीका जानें.
ऑडियो जनरेट करने वाले सभी मॉडल के साथ काम करने वाली भाषाएं
| भाषा | BCP-47 कोड | भाषा | BCP-47 कोड |
|---|---|---|---|
| ऐरेबिक (मिस्र) | ar-EG | जर्मन (जर्मनी) | de-DE |
| अंग्रेज़ी (यूएस) | en-US | स्पेनिश (यूएस) | es-US |
| फ़्रांसीसी (फ़्रांस) | fr-FR | हिन्दी (भारत) | hi-IN |
| इंडोनेशियन (इंडोनेशिया) | id-ID | इतालवी (इटली) | it-IT |
| जैपनीज़ (जापान) | ja-JP | कोरियन (कोरिया) | ko-KR |
| पॉर्चुगीज़ (ब्राज़ील) | pt-BR | रूसी (रूस) | ru-RU |
| डच (नीदरलैंड्स) | nl-NL | पोलिश (पोलैंड) | pl-PL |
| थाई (थाईलैंड) | th-TH | टर्किश (तुर्की) | tr-TR |
| वियतनामीज़ (वियतनाम) | vi-VN | रोमेनियन (रोमानिया) | ro-RO |
| यूक्रेनियन (यूक्रेन) | uk-UA | बांग्ला (बांग्लादेश) | bn-BD |
| अंग्रेज़ी (भारत) | en-IN और hi-IN बंडल | मराठी (भारत) | mr-IN |
| तमिल (भारत) | ta-IN | तेलुगु (भारत) | te-IN |
ऑडियो जनरेट करने वाले 3.x मॉडल के साथ काम करने वाली अन्य भाषाएँ
| भाषा | BCP-47 कोड | भाषा | BCP-47 कोड |
|---|---|---|---|
| अफ़्रीकान्स | af | फ़िलिपिनो | fil |
| अल्बेनियन | sq | फ़िनिश | fi |
| ऐमहैरिक | am | गैलिशियन | gl |
| आर्मीनियन | hy | जॉर्जियन | ka |
| अज़रबैजानी | az | ग्रीक | el |
| बैस्क | eu | गुजराती | gu |
| Belarusian | be | हैतियन क्रियोल | ht |
| बल्गैरियन | bg | हीब्रू | he |
| बर्मीज़ | my | हंगेरियन | hu |
| कैटलैन | ca | आइसलैंडिक | है |
| सेबुआनो | ceb | जावानीज़ | jv |
| चाइनीज़, मैंडरिन | cmn | कन्नड़ | kn |
| क्रोएशियन | घंटा | कोंकणी | kok |
| चेक | cs | लाओ | lo |
| डेनिश | da | लैटिन | la |
| एस्टोनियन | et | लातवियन | lv |
| Lithuanian | lt | लक्ज़मबर्गिश | पाउंड |
| मेसिडोनियन | mk | मैथिली | mai |
| मालागासी | मि॰ग्रा॰ | मलय | ms |
| Malayalam | ml | मंगोलियन | mn |
| Nepali | ne | नॉर्वेजियन, बुकमॉल | nb |
| नॉर्वेजियन, निनॉर्स्क | nn | ओड़िया | या |
| पश्तो | ps | फ़ारसी | fa |
| पंजाबी | pa | सर्बियन | sr |
| सिंधी | sd | सिंहला | si |
| Slovak | sk | Slovenian | sl |
| स्वाहिली | sw | Swedish | sv |
| उर्दू | ur |