实测 Gemini Live 实时语音：转写+推理+工具调用全声控
AI_Andrew · x · 2026-09-20
开发者 AIAndrew 用 Google AI Studio 和 Antigravity 搭了个实时语音小应用：Gemini Live 提供实时即时转写、推理与工具调用，配合 3.5 Transcribe 做转写，全程纯语音交互。他做了个由秋叶落叶启发的语音玩法，实测认为实时转写速度快、推理和工具调用能力强，仅提到季节判断上模型有些含糊。属于早期探索，作者称这只是开始。
所属事件:开发者20分钟开源Gemini实时语音演示(2 条相关)→
「多模态」频道最新
- 开源 Kitten-TTS 2 语音克隆：954MB 免 GPU 笔记本可跑 — solyarisoftware · 2026-11-04
- 「2030 年旧金山我们来收你的内存」：全本地硬件生成的赛博朋克短片 — Wonderful-Yak-3348 · 2026-11-04
- 开源视频 agent Openfilm 走红：让任意编码 agent 变视频制作器 — solyarisoftware · 2026-11-04
- 微软重开源 VibeVoice：10 秒克隆声音，本地生 90 分钟播客 — solyarisoftware · 2026-11-04
- H3 远景人脸保真配方：Singularity+Pika 组合免跑 SAM 换脸 — robertwellesley · 2026-11-04
- 复旦提出 FlowTranslator:免训练扩散编辑实现图像内文字翻译 — Fudan-University · 2026-11-04