Gemini Live API 概览（3分钟阅读）

TLDR AI 工具
gemini api voice vision real-time agents

摘要

Gemini Live API 支持与 Gemini 进行低延迟、实时的语音和视觉交互，处理连续的音频、图像和文本流，用于构建自然的对话代理。

Gemini Live API 支持与 Gemini 进行低延迟、实时的语音和视觉交互。它处理连续的音频、图像和文本流，以提供即时、类人的响应。该 API 为用户创造了自然的对话体验，可用于为各行各业构建实时代理。
查看原文

相似文章

Gemini 实时音频

Simon Willison's Blog

Google 推出了 Gemini 3.8 Live 和 3.8 Live Extended Thinking 这两款新的语音到语音AI模型，作者利用这些模型开发了一个用于语音对话的网页界面工具。

发布 Gemini 3.8 Live 配备 Live Avatar

Google DeepMind Blog

Google 推出 Gemini 3.8 Live with Live Avatar，这是一项更新，将实时视觉虚拟形象集成到对话式 AI 中，通过唇形同步、多语言支持和异步工具执行等功能增强交互，适用于企业应用。