Premiers pas avec l'API Gemini Live à l'aide de WebSockets

Ce tutoriel vous explique comment vous connecter à l'API Gemini Live à l'aide de WebSockets. Dans ce tutoriel, vous allez créer une application multimodale en temps réel avec une interface JavaScript vanilla et un serveur Python gérant l'authentification et le proxy.

Avant de commencer

Pour configurer votre environnement, procédez comme suit :

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. Install the Google Cloud CLI.

  5. Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.

  6. Pour initialiser la gcloud CLI, exécutez la commande suivante : 

    gcloud init

  7. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  8. Verify that billing is enabled for your Google Cloud project.

  9. Install the Google Cloud CLI.

  10. Si vous utilisez un fournisseur d'identité (IdP) externe, vous devez d'abord vous connecter à la gcloud CLI avec votre identité fédérée.

  11. Pour initialiser la gcloud CLI, exécutez la commande suivante : 

    gcloud init
  12. Installez Git.
  13. Installez Python 3.

    14. Cloner l'application de démonstration

    Clonez le dépôt de l'application de démonstration et accédez à ce répertoire :

    git clone https://github.com/GoogleCloudPlatform/generative-ai.git &&
cd generative-ai/gemini/multimodal-live-api/native-audio-websocket-demo-apps/plain-js-demo-app

    Structure du projet

    L'application inclut les fichiers suivants :

    /
├── server.py            # WebSocket proxy + HTTP server
├── requirements.txt     # Python dependencies
└── frontend/
    ├── index.html       # UI
    ├── geminilive.js    # Gemini API client
    ├── mediaUtils.js    # Audio/video streaming
    ├── tools.js         # Custom tool definitions
    └── script.js        # App logic

    Exécuter le serveur backend

    Le backend (server.py) gère l'authentification et sert de proxy WebSocket entre le client et l'API Gemini Live.

    Pour exécuter le serveur backend, exécutez les commandes suivantes :

    1. Installez les dépendances :

      pip3 install -r requirements.txt

    2. S'authentifier avec Google Cloud :

      gcloud auth application-default login

    3. Démarrez le serveur :

      python3 server.py

    Ouvrir l'interface utilisateur et se connecter à Gemini

    Le frontend gère la capture et la lecture audio et vidéo. Le fichier geminilive.js gère la connexion WebSocket au backend.

    const client = new GeminiLiveAPI(proxyUrl, projectId, model);
client.addFunction(toolInstance); // Add custom tools
client.connect(accessToken); // Connect (token optional with proxy)

    Pour ouvrir l'UI frontend et vous connecter à Gemini, procédez comme suit :

    1. Ouvrez votre navigateur et accédez à http://localhost:8000.
    2. Dans le champ ID du projet, saisissez l'ID de votre projet Google Cloud .
    3. Cliquez sur Se connecter.

    Interagir avec Gemini

    Essayez ce qui suit :

    • Saisie de texte : vous pouvez écrire un message à Gemini en le saisissant dans le champ de message, puis en cliquant sur Envoyer. Gemini répond au message à l'aide d'un message audio.
    • Saisie vocale : pour parler à Gemini, cliquez sur Démarrer le micro. Gemini répond à la requête en utilisant l'audio.
    • Entrée vidéo : pour permettre à Gemini de voir à travers votre caméra, cliquez sur Démarrer la caméra. Vous pouvez parler à Gemini de ce qu'il voit grâce à votre caméra.

    Étapes suivantes