Gemini CLI 语音测试完整 Prompt 模板:让 Agent 无麦跑通语音功能
_philschmid · x · 2026-11-05
Phil Schmid 公开了完整 prompt 模板:安装 npx skills add google-gemini/gemini-skills --skill gemini-api-cli -y,让 agent 在项目里端到端测试语音/音频功能而无需物理麦克风。流程是:自动定位应用的麦克风采集入口,用 gemini-api TTS 生成语音 WAV 文件,再以 --use-fake-ui-for-media-stream --use-fake-device-for-media-stream --use-file-for-fake-audio-capture=/abs/path/voice.wav%noloop 启动 headless Chrome,点击麦克风按钮让 getUserMedia 播放 WAV 并验证功能是否正常。
所属事件:Phil Schmid 发布 Gemini API CLI Skill,Agent 无脚本调用多模态能力(5 条相关)→
「编程与Agent」频道最新
- Google 发布 AlloyDB Express:2 秒建库、闲置自动归零、面向编码 Agent — rseroter · 2026-11-05
- 用户吐槽 Google Argon 4 连续数天不可用，网络错误反复致 agent 中断 — AIandDesign · 2026-11-05
- Claude Code 省 token 十条实操技巧:CLAUDE.md、任务级会话与模型分层 — atullchaurasia · 2026-11-05
- Ari 智能体 16 小时无人干预完成后训练，棋题奖励从 0.118 提至 0.629 — ypatil125 · 2026-11-05
- SGLang Summit 2026 议程亮相：LinkedIn 广告模型 10K QPS、NVIDIA 上 Vera Rubin — DavidBennett__ · 2026-11-05
- 模型回答的证明成本约为vLLM推理的70-95倍，更适合做审计层 — petrusenko_max · 2026-11-05