Ferramenta: áudio Gemini Live
O Google lançou hoje o Gemini 3.8 Live e o 3.8 Live Extended Thinking – dois novos modelos de fala para fala que têm formato semelhante à família GPT-Live da OpenAI.
Apontei o GPT-6 Astra Extra High para a documentação e fiz com que ele construísse esta UI da web para testar os novos modelos. Você pode selecionar um modelo e uma predefinição de voz, inserir um prompt opcional do sistema e iniciar uma conversa de voz por meio do navegador, incluindo a capacidade de interromper o modelo enquanto ele está falando.
A implementação não usa bibliotecas. Ele se conecta ao wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent?key=... Endpoint WebSocket e usa uma API de áudio da Web AudioContext tanto para captura quanto para reprodução.
Aqui está o tutorial do Gemini Live para começar a usar a API WebSockets.
