Diese Seite enthält eine Sammlung von Referenzimplementierungen für die Gemini Live API auf der Gemini Enterprise Agent Platform. Diese Demos reichen von abhängigkeitsfreien JavaScript-Startern bis hin zu umfassenden React-basierten Architekturen und zeigen, wie Sie mit der Gemini Live API und dem ADK robuste Echtzeit-Sprach-Agents erstellen können.
Demo-Apps
- React-Demo-App: Ein umfassender React-Client mit Echtzeit-Streaming, Tool-Nutzung und Medienverarbeitung.
- Plain JS-Demo-App: Eine JavaScript-Implementierung ohne Abhängigkeiten, um die grundlegenden API-Mechanismen zu verstehen.
- Echtzeit-Berater: Eine spezialisierte Berater-Persona, die zwischen einem stillen und einem gesprächigen Modus wechseln kann.
- Kundensupport-Agent: Ein erweiterter Agent mit Emotionserkennung, multimodaler Eingabe und Toolausführung.
- Gaming-Assistent: Ein Gaming-Begleiter mit Persona-Wechsel und Bildschirmfreigabe.
- Gemini Live Telephony App: Eine Echtzeit-Anwendung für die Sprach-zu-KI-Kommunikation, die Twilio für die Telefonie, ein FastAPI-Backend und die Gemini Live API für konversationelle KI verwendet.
ADK-Toolkit für die Gemini Live API
Das Agent Development Kit (ADK) bietet ein produktionsreifes Framework zum Erstellen von bidirektionalen Streaming-Anwendungen mit der Live API. In der folgenden Anleitung und den Demos wird die Streaming-Architektur des ADK vorgestellt, die eine bidirektionale Echtzeitkommunikation zwischen Nutzern und KI-Agenten über multimodale Kanäle (Text, Audio, Video) ermöglicht.
Weitere Tools
- PCM-Audio-Debugger: Ein eigenständiges Tool zum Testen und Debuggen von Roh-PCM-Audiostreams und WebSocket-Verbindungen.