跳到正文

Gemini Multimodal Live + WebRTC

用 WebRTC 搭建单文件语音 AI 示例

访问官网

Gemini Multimodal Live + WebRTC 是什么

Gemini Multimodal Live + WebRTC 被介绍为一个开源示例项目,把 Gemini 多模态直播 API 与 WebRTC 结合用于低延迟语音应用。

你可以用它做什么

  • 用单文件客户端构建语音应用
  • 在客户端与服务器之间传递事件
  • 用 WebRTC 低延迟传输音频

应用场景

  • 在浏览器中构建实时语音聊天
  • 开发带语音能力的客服系统
  • 为在线课堂加入实时互动

优点与缺点

✓ 我们认可的地方

  • 资料列出音频播放与事件处理
  • 客户端为单文件,便于维护

! 需要留意的地方

  • 示例围绕 Gemini 多模态直播 API 构建
  • 事件传递经由 Pipecat 框架

常见问题

怎么运行?

资料列出 npm i、npm run dev 以及本机 5173 端口。

客户端由什么构成?

资料介绍为一个单文件 Web 应用。

最后评测: 2026-11-15

更多 AI 编程工具 工具

查看全部 →

评测方法