（796期）Gemini Voice Assistant – Gemini 原生语音对话助手

Gemini 原生语音对话助手 基于Google Gemini Live API的端到端语音AI助手，支持自然语音对话与文本交互，响应快速、配置灵活。 使用说明 核心用法 Gemini Voice Assistant 是一款调用 Google Gemini Live API 的语音-语音 AI 助手。用户可通过两种模式与其交互： 文本模式：直接输入文字提问，获取文本回复 语音模式：上传 .ogg 音频文件，AI 以语音形式回应，返回音频文件路径 使用时需配置 GEMINIAPIKEY，支持环境变量或 .env 文件。默认采用 gemini-2.5-flash-native-audio-preview-12-2025 模型，原生支持音频输入输出。 显著优点 端到端语音能力：无需 ASR/TTS 中转，延迟更低、交互更自然 Gemini Flash 速度：响应迅速，适合实时对话场景 灵活配置：系统指令可定制，模型版本可手动切换 双模态支持：同一接口兼顾语音与纯文本需求 潜在缺点与局限性 API 依赖：需自备 Gemini API Key，存在额度与地区限制 音频格式限制：输入仅支持 .ogg，需 FFmpeg 转换其他格式 本地依赖较重：需 Python 环境及 numpy、librosa、soundfile 等库 无多轮会话管理：每次调用独立，不保留上下文（需自行实现） 预览模型风险：native-audio-preview 为预览版，接口可能变更 适合人群 需要快速搭建语音交互原型的开发者 希望体验 Gemini 原生音频能力的 AI 爱好者 对延迟敏感、追求端到端语音体验的用户 常规风险 API 密钥泄露：.env 文件或环境变量若权限设置不当，存在密钥暴露风险 数据隐私：语音数据上传至 Google 服务器，需符合相关隐私条款 成本不可控：Gemini API 按调用计费，高频使用需注意额度消耗 模型迭代风险：预览版模型可能下线或行为变更，需关注官方公告 原始说明 Voice-to-voice AI assistant using Gemini Live API. Speak to the AI and get spoken responses. Use when you want to have natural voice conversations with an AI...