Mengirimkan aliran audio dan video

Dokumen ini menjelaskan cara mengirim streaming audio dan video ke Gemini Live API untuk komunikasi dua arah real-time dengan model Gemini. Pelajari cara mengonfigurasi dan mengirimkan data audio dan video untuk membangun aplikasi yang dinamis dan interaktif.

Mengirim streaming audio

Penerapan audio real-time memerlukan kepatuhan yang ketat terhadap spesifikasi frekuensi sampel dan pengelolaan buffer yang cermat untuk memastikan latensi rendah dan kemampuan interupsi yang alami.

Gemini Live API mendukung format audio berikut:

  • Audio input: Audio PCM 16-bit mentah pada 16 kHz, little-endian
  • Output audio: Audio PCM 16-bit mentah pada 24 kHz, little-endian

Contoh kode berikut menunjukkan cara mengirim data audio streaming:

import asyncio
# Assumes session is an active Live API session
# and chunk_data contains bytes of raw 16-bit PCM audio at 16 kHz.
from google.genai import types
# Send audio input data in chunks
await session.send_realtime_input(
    audio=types.Blob(data=chunk_data, mime_type="audio/pcm;rate=16000")
)

Klien harus mempertahankan buffer pemutaran. Server melakukan streaming audio dalam potongan-potongan dalam pesan server_content. Tanggung jawab klien adalah mendekode, melakukan buffering, dan memutar data.

Contoh kode berikut menunjukkan cara memproses data audio streaming:

import asyncio
# Assumes session is an active Live API session
# and audio_queue is an asyncio.Queue for buffering audio for playback.
import numpy as np

async for msg in session.receive():
    server_content = msg.server_content
    if server_content:
        # 1. Handle Interruption
        if server_content.interrupted:
            print("\n[Interrupted] Flushing buffer...")
            # Clear the Python queue
            while not audio_queue.empty():
                try: audio_queue.get_nowait()
                except asyncio.QueueEmpty: break
            # Send signal to worker to reset hardware buffers if needed
            await audio_queue.put(None)
            continue

        # 2. Process Audio chunks
        if server_content.model_turn:
            for part in server_content.model_turn.parts:
                if part.inline_data:
                    # Add PCM data to playback queue
                    await audio_queue.put(np.frombuffer(part.inline_data.data, dtype='int16'))

Mengirim streaming video

Streaming video memberikan konteks visual. Gemini Live API memerlukan urutan frame gambar diskret dan mendukung input frame video pada 1 FPS. Untuk hasil terbaik, gunakan resolusi 768x768 pada 1 FPS.

Contoh kode berikut menunjukkan cara mengirim data video streaming:

import asyncio
# Assumes session is an active Live API session
# and chunk_data contains bytes of a JPEG image.
from google.genai import types
# Send video input data in chunks
await session.send_realtime_input(
    media=types.Blob(data=chunk_data, mime_type="image/jpeg")
)

Implementasi klien mengambil frame dari feed video, mengenkodenya sebagai blob JPEG, dan mengirimkannya menggunakan struktur pesan realtime_input.

import cv2
import asyncio
from google.genai import types

async def send_video_stream(session):
    # Open webcam
    cap = cv2.VideoCapture(0)

    while True:
        ret, frame = cap.read()
        if not ret: break

        # 1. Resize to optimal resolution (768x768 max)
        frame = cv2.resize(frame, (768, 768))

        # 2. Encode as JPEG
        _, buffer = cv2.imencode('.jpg', frame,)

        # 3. Send as realtime input
        await session.send_realtime_input(
            media=types.Blob(data=buffer.tobytes(), mime_type="image/jpeg")
        )

        # 4. Wait 1 second (1 FPS)
        await asyncio.sleep(1.0)

    cap.release()

Mengonfigurasi resolusi media

Anda dapat menentukan resolusi untuk media input dengan menetapkan kolom media_resolution dalam konfigurasi sesi. Resolusi yang lebih rendah mengurangi penggunaan token dan latensi, sedangkan resolusi yang lebih tinggi meningkatkan pengenalan detail. Nilai yang didukung mencakup low, medium, dan high.

config = {
    "response_modalities": ["audio"],
    "media_resolution": "low",
}

Langkah berikutnya