L'API Gemini Live permet des interactions vocales et vidéo en temps réel et à faible latence avec Gemini. Il traite les flux continus d'audio, de vidéo ou de texte pour fournir des réponses vocales immédiates et naturelles. Cela permet de créer une expérience de conversation naturelle pour vos utilisateurs.
Essayer l'API Gemini Live dans la console Google Cloud
Principales fonctionnalités
L'API Gemini Live offre un ensemble complet de fonctionnalités permettant de créer des agents vocaux et vidéo robustes :
- Qualité audio élevée : l'API Gemini Live fournit une voix naturelle et réaliste dans plusieurs langues.
- Compatibilité multilingue : discutez dans l'une des 24 langues disponibles.
- Interruption : les utilisateurs peuvent interrompre le modèle à tout moment pour des interactions réactives.
- Dialogue affectif : adapte le style et le ton de la réponse pour qu'ils correspondent à l'expression de l'utilisateur.
- Audio proactif : vous permet de contrôler quand et dans quels contextes le modèle répond.
- Utilisation d'outils : intègre des outils tels que l'appel de fonction et la recherche Google pour des interactions dynamiques.
- Transcriptions audio : fournit des transcriptions textuelles des entrées utilisateur et des sorties du modèle.
- Traduction vocale : (expérimentale) Optimisée pour la traduction à faible latence entre les langues.
Spécifications techniques
Le tableau suivant présente les spécifications techniques de l'API Gemini Live :
| Catégorie | Détails |
|---|---|
| Modes d'entrée | Audio (audio PCM 16 bits brut, 16 kHz, little-endian), images/vidéos (JPEG 1 FPS), texte |
| Modes de sortie | Audio (audio PCM 16 bits brut, 24 kHz, little-endian), texte |
| Protocole | Connexion WebSocket avec état (WSS) |
Modèles compatibles
Les modèles suivants sont compatibles avec l'API Gemini Live. Sélectionnez le modèle approprié en fonction de vos besoins d'interaction.
| ID du modèle | Disponibilité | Cas d'utilisation | Principales fonctionnalités |
|---|---|---|---|
gemini-live-2.5-flash-preview-native-audio-09-2025 |
Version Preview publique | Rentabilité des agents vocaux en temps réel. |
Audio natif Transcriptions audio Détection de l'activité vocale Dialogue affectif Audio proactif Utilisation d'outils |
gemini-2.5-flash-s2st-exp-11-2025 |
Expérimental privé | Traduction de la parole (fonctionnalité expérimentale). Optimisé pour les tâches de traduction. |
Audio natif Transcriptions audio Utilisation d'outils Traduction de la parole |
Architecture et intégration
Il existe deux principales façons d'intégrer l'API Gemini Live à votre application : serveur à serveur et client à serveur. Choisissez celui qui correspond à vos exigences en termes de sécurité et de plate-forme.
Serveur à serveur
L'architecture de serveur à serveur est recommandée pour les environnements de production tels que les applications mobiles, les outils d'entreprise sécurisés et l'intégration de la téléphonie. Votre application cliente diffuse du contenu audio vers votre serveur backend sécurisé. Votre serveur gère ensuite la connexion WebSocket à Google.
Cette méthode permet de sécuriser vos clés API et de modifier l'audio ou d'ajouter de la logique avant de l'envoyer à Gemini. Toutefois, elle ajoute un peu de latence réseau.
Client vers serveur
L'architecture client-serveur convient aux applications Web, aux démonstrations rapides et aux outils internes. Le navigateur Web se connecte directement à l'API Gemini Live à l'aide de WebSockets.
Cette méthode offre la latence la plus faible possible et une architecture plus simple pour les démonstrations. Sachez que cette approche expose les clés API à l'utilisateur du frontend, ce qui crée un risque pour la sécurité. Pour la production, vous devez utiliser une gestion prudente des jetons éphémères ou des proxys.
Commencer
Sélectionnez le guide correspondant à votre environnement de développement :
Tutoriel sur le SDK Gen AI
Connectez-vous à l'API Gemini Live à l'aide du SDK Gen AI, puis envoyez un fichier audio à Gemini et recevez une réponse audio.
Tutoriel WebSocket
Connectez-vous à l'API Gemini Live à l'aide de WebSockets, puis envoyez un fichier audio à Gemini et recevez une réponse audio.
Tutoriel ADK
Créer un agent et utiliser l'Agent Development Kit (ADK) Streaming pour activer la communication vocale et vidéo
Intégration de partenaires
Si vous préférez un processus de développement plus simple, vous pouvez utiliser l'une de nos plates-formes partenaires. Ces plates-formes ont déjà intégré l'API Gemini Live sur le protocole WebRTC pour simplifier le développement d'applications audio et vidéo en temps réel.