Google 发布 Gemini 3.8 Live 语音模型,Willison 造出纯手写网页 Demo
Simon Willison · rss · 2026-09-16
Google 发布了 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款语音到语音(speech-to-speech)模型,形态上类似 OpenAI 的 GPT-Live 系列。
Simon Willison 让 GPT-6 Astra Extra High 读文档后帮他从零构建了一个网页 UI,可在浏览器里试用新模型:
- 可选择模型和音色预设,输入可选 system prompt,直接开始语音对话
- 支持在模型说话时随时打断
- 实现完全不依赖任何库:直连 Gemini 的 BidiGenerateContent WebSocket 端点,用 Web Audio API 的 AudioContext 同时完成录音采集与播放
这个实现思路可作为接入 Gemini 实时语音 API 的极简参考。
「模型」频道最新
- Similarweb：Claude 升级页流量 9 月回升至 1760 万，逼近 5 月峰值 — firstadopter · 2026-11-02
- 开源 GLiNER-PII 单卡 550ms 抓出病历 13 项身份标识,仍漏医院名 — MaziyarPanahi · 2026-11-02
- 用户吐槽 OpenAI Dots 越用越臃肿,转投新工具 Muse 称体验干净透明 — Koala_Confused · 2026-11-02
- Fable 5.5 被曝一行代码一次通过生成动画，Anthropic 押注编程意外切入动画赛道 — Hesamation · 2026-11-02
- 一个 agent 目标连续跑了 4 天，烧掉 3 万赠额 token — CtrlAltDwayne · 2026-11-02
- 每日 AI 简报：Gemini 4 Carbon 疑现身 Arena，DeepSeek 开源编码 agent — testingcatalog · 2026-11-02