开发者用 Gemini 三模型搭 SwiftUI 语音助手:STT→LLM→TTS 流水线
amos_gyamfi · x · 2026-10-23
开发者 Amos Gyamfi 分享了一个免手操的 SwiftUI iOS 语音助手 demo,组合三款 Gemini API 模型搭建 STT → LLM → TTS 流水线:
- gemini-3.5-transcribe:语音转文本
- gemini-3.8-flash:LLM 处理
- gemini-3.8-flash-lite-tts:语音合成
源码已放出,适合想给 iOS 应用加语音交互的开发者参考。注意帖中引用的 Gemini API 模型页面所列型号未见官方广泛报道,真实性待确认。
「编程与Agent」频道最新
- 「前端只是耗材」：个人 AI 代理时代，服务都该 Headless 化 — genmon · 2026-10-23
- Harness Scaling 论文:训练时换 harness,是 agentic RL 的新扩展维度 — omarsar0 · 2026-10-23
- Chrome DevTools 新增广告脚本追踪，Ads 面板可查 CPU 与流量占用 — gaganghotra_ · 2026-10-23
- 多模态智能体记忆综述发布:从静态检索到自进化,覆盖 297 个系统 — yizhu59 · 2026-10-23
- Claude Code 支持 MCP tasks:长调用变后台任务异步轮询 — dsp_ · 2026-10-23
- 把 PowerShell 脚本丢进文件夹就变成 MCP 工具 — dfinke · 2026-10-23