Dieses Dokument enthält Schritte zur Fehlerbehebung bei Problemen, die bei der Verwendung der Gemini Live API auftreten können.
Verbindung wird unerwartet unterbrochen
Wenn die Verbindung zu Ihrer Sitzung unerwartet unterbrochen wird, kann das an Tokenlimits, Zeitüberschreitungen bei der Sitzungsverbindung oder Netzwerkproblemen liegen.
Verhalten
Die Verbindung zur Sitzung wurde mit dem Fehlercode 1000 oder 1006 getrennt.
Mögliche Gründe
- Die Kontextfensterkomprimierung ist nicht aktiviert und das Kontext-Token überschreitet das Kontext-Token-Limit der Sitzung (bis zu 128.000).
- Es wurde keine Logik zum Fortsetzen von Sitzungen implementiert oder die Logik zum Fortsetzen von Sitzungen wurde nicht richtig implementiert.
- Instabile Internetverbindung.
Gründe und Lösungen
Tokens überschreiten das Kontexttokenlimit der Sitzung:Um eine Überschreitung des Kontexttokenlimits der Sitzung zu verhindern, aktivieren Sie die Kontextkomprimierung. Das kann sich auf die Qualität der Unterhaltung auswirken, da das Modell frühere Teile des Chatverlaufs zeitweise verwirft.
Sitzungsverbindung läuft nach 10 Minuten ab:Sie müssen die Wiederaufnahme der Sitzung verwalten, um längere Interaktionen zu ermöglichen. Weitere Informationen finden Sie in den Best Practices für die Wiederaufnahme von Sitzungen.
Instabile Internetverbindung:Prüfen Sie den Zustand Ihrer Internetverbindung. Schwankungen in der Stabilität können zu Verbindungsproblemen führen.
Das Modell konnte den Nutzer nicht verstehen
Wenn das Modell Ihren Input nicht zu verstehen scheint, achten Sie darauf, dass Ihr Audio richtig formatiert ist, und berücksichtigen Sie die Qualität Ihres Mikrofons und Hintergrundgeräusche.
Verhalten
Das Modell antwortet mit irrelevanten oder falschen Informationen oder fordert den Nutzer auf, die Frage zu wiederholen.
Mögliche Gründe
- Das Audioeingabeformat ist nicht korrekt.
- Die Mikrofonqualität ist schlecht.
- Die Hintergrundgeräusche sind zu laut.
Gründe und Lösungen
Eingabe-Audioformat ist nicht korrekt: Prüfen Sie, ob das Eingabe-Audio ein 16-Bit-PCM-Format mit Little Endian, einer Abtastrate von 16 kHz und einem einzelnen Monokanal verwendet.
Die Mikrofonqualität ist nicht gut:Testen Sie die Mikrofonqualität, indem Sie eine kurze Audioaufnahme machen und sie wiedergeben. Wenn die Mikrofonqualität nicht gut ist, verwenden Sie ein Mikrofon mit besserer Qualität.
Zu viele Hintergrundgeräusche:Testen Sie den Pegel der Hintergrundgeräusche, indem Sie eine kurze Audioaufnahme machen und sie abspielen. Wenn der Hintergrundgeräuschpegel zu hoch ist, versuchen Sie, das Mikrofon näher an den Nutzer zu bringen, oder verwenden Sie ein Mikrofon mit besserer Geräuschunterdrückung.
Modell reagiert nicht
Wenn Sie keine Antwort vom Modell erhalten, prüfen Sie die Optionen zur Erkennung von Sprachaktivitäten und die WebSocket-Verbindung.
Verhalten
Keine Antwort vom Modell.
Mögliche Gründe
- Die VAD-Einstellungen sind nicht richtig festgelegt.
- Die WebSocket-Verbindung wurde unterbrochen.
Gründe und Lösungen
VAD falsch eingestellt:VAD wurde vom Nutzer deaktiviert. In diesem Fall wartet das Modell weiter auf die Sprache des Nutzers und antwortet ihm nicht. Senden Sie die Ereignisse
ActivityStartundActivityEndan das Modell, wenn die VAD deaktiviert ist.WebSocket-Verbindung wurde unterbrochen:Wenn die WebSocket-Verbindung unterbrochen wird, findet keine Kommunikation zwischen dem Client und dem Server statt. Prüfen Sie den Status der WebSocket-Verbindung und vergewissern Sie sich, dass sie ordnungsgemäß hergestellt wurde.
Modell kann nicht unterbrochen werden
Wenn Sie das Modell während der Sprachausgabe nicht unterbrechen können, müssen Sie dafür sorgen, dass Sie den Wiedergabepuffer und das Streaming von Audioinhalten richtig verarbeiten.
Verhalten
Das Modell spricht weiter, ohne dass der Nutzer es unterbricht.
Mögliche Gründe
- Wiedergabepuffer konnte nicht geleert werden.
- Audio konnte nicht an die Gemini Live API gestreamt werden.
- Die benutzerdefinierte VAD ist nicht richtig implementiert.
Gründe und Lösungen
Wiedergabepuffer konnte nicht geleert werden:Der Client sollte den Wiedergabepuffer sofort leeren, wenn er ein Unterbrechungssignal vom Modell empfängt. Andernfalls spricht das Modell weiter.
Audio konnte nicht an die Gemini Live API gestreamt werden:Der Client sollte Audio in Blöcken zwischen 20 ms und 40 ms an die Gemini Live API streamen, um die Latenz zu minimieren. Wenn der Client keine Audioinhalte an die Gemini Live API streamt, sendet das Modell kein Unterbrechungssignal an den Client.
Benutzerdefinierte VAD ist nicht korrekt implementiert:Wenn die benutzerdefinierte VAD den Beginn der Sprache nicht erkennt oder der Client kein
ActivityStart-Signal an das Modell sendet, sendet das Modell kein Unterbrechungssignal an den Client.
Bekannte Einschränkungen
Für die Gemini Live API gelten die folgenden Einschränkungen. Jeder Eintrag enthält eine Empfehlung zur Problembehebung, sofern eine verfügbar ist.
Priorisiertes „Pay as you go“ wird nicht unterstützt
Die Gemini Live API unterstützt Priority Pay as you go nicht als Verbrauchsoption.
Die Stimme kann sich für eine einzelne Antwort ändern.
In seltenen Fällen antwortet das Modell mit einer anderen Stimme als der, die Sie im Feld voice_name festgelegt haben. Die Änderung ist auf einen einzelnen Zug beschränkt. In den folgenden Zügen wird wieder die konfigurierte Stimme verwendet. Es ist keine Konfigurationsänderung erforderlich.
Die Sprechgeschwindigkeit kann sich bei langen Zügen erhöhen.
Wenn das Modell eine längere, ununterbrochene gesprochene Antwort generiert, kann sich die Sprechgeschwindigkeit allmählich erhöhen. Dieses Verhalten macht sich vor allem bei einzelnen Zügen bemerkbar, die länger als 60 Sekunden dauern. So sorgst du für ein gleichmäßiges Tempo:
Lange Ausgaben segmentieren:Vermeiden Sie es, das Modell aufzufordern, lange Textblöcke in einem einzigen Durchgang zu lesen. Teilen Sie umfangreiche Antworten in Abschnitte mit weniger als 100 Wörtern oder weniger als 50 Sekunden gesprochene Audioinhalte auf.
Gesprächswechsel nutzen:Verwenden Sie ein interaktives Dialogmuster, bei dem die Steuerung zwischen den Segmenten an den Nutzer zurückgegeben wird.
Das Modell kann unerwartet die Sprache wechseln
Wenn das Modell feststellt, dass ein Nutzer eine andere Sprache als die konfigurierte spricht, kann es in dieser Sprache antworten. Um die Wahrscheinlichkeit eines unbeabsichtigten Wechsels zu verringern, geben Sie einen Sprachhinweis an, indem Sie das Feld language_code festlegen und die erwartete Sprache in der Systemanweisung angeben. Weitere Informationen finden Sie unter Sprache und Stimme festlegen.
Ziffernfolgen können inkonsistent wiederholt werden
Wenn ein Nutzer eine Folge einzelner Ziffern spricht, z. B. eine Telefonnummer, Kreditkartennummer oder Kontonummer, kann das Modell die Folge mit falschen oder fehlenden Ziffern wiederholen. Um diese Fehler zu reduzieren, fügen Sie eine Systemanweisung hinzu, die das Modell anweist, die Sequenz Ziffer für Ziffer zurückzulesen und den Nutzer zu bitten, die Sequenz langsam zu wiederholen, wenn die Ziffern nicht deutlich sind.