一家团队用 Gemini Live 把实时语音成本降到每小时 0.85 美元

Due_Childhood_4034 · reddit · 2026-07-29

一家语言学习平台把实时语音链路从自建的 Deepgram 方案切换到 Gemini Live 单个双向 WebSocket 之后，声称把成本从每小时 4.50 美元降到了 0.85 美元。

作者还给出了落地细节：首字节语音延迟从 4–6 秒降到 1.0–1.7 秒；但接入过程中踩了几个坑，包括历史消息不能以 role: model 回放、麦克风回声会触发自我打断、以及 preview 模型会在很低配额下报 1011 resource exhausted。目前遗留问题是模型偶尔会在半路停住，只能重连并重放转写。