Gemini Live API
Интерфейс для разработчиков, через который модели Gemini работают в реальном времени: непрерывно принимают поток звука, видео или текста и отвечают голосом или текстом с малой задержкой. Пользователь может перебить модель на полуслове, а модель может вызывать инструменты. Нужен для голосовых помощников и других приложений, где важен живой диалог, а не обмен отдельными запросами.
проверено по: ai.google.dev ↗
См. также
- Realtime APIПрограммный интерфейс (API) OpenAI для общения с моделями в реальном времени с малой задержкой, прежде всего для голосовых приложений и агентов. Соединение держится открытым через WebRTC или WebSocket, и модель принимает речь и отвечает голосом потоком, без отдельных этапов распознавания и синтеза речи. Этим он отличается от Chat Completions API и Responses API, где каждый ответ — отдельный запрос.
- GPT-LiveGPT-Live — семейство голосовых моделей OpenAI, которые принимают и порождают речь напрямую, без промежуточного перевода в текст. Их полнодуплексная архитектура позволяет слушать и говорить одновременно, реагировать на перебивания и реплики собеседника. Используются в голосовом режиме ChatGPT и через API для голосовых агентов.
В новостях
Google выпустила голосовые модели Gemini 3.8 Live для разработчиков
Часть Gemini API для разговора с моделью в реальном времени: приложение передаёт звук и видео потоком, а модель сразу отвечает голосом.