谷歌发布多模态直播API：解锁看听说，开启AI音视频交互新体验

运营笑笑

IT之家 12 月 13 日消息，谷歌昨日在发布 Gemini 2.0 的同时，还发布了全新的多模态直播（Multimodal Live）API，资助开辟职员开辟具有及时音频和视频流功能的应用步伐。

该 API 实现了低耽误、双向的文本、音频和视频交互，以音频和文本情势输出，带来更自然流通、犹如人类对话般的交互体验。用户可以随时打断模子，并通过共享摄像头输入或屏幕录像与其举行互动，就内容提问。

该模子的视频明白功能扩展了通讯模式，用户可以或许使用摄像头及时拍摄或共享桌面并提出相干标题。该 API 已经向开辟者开放，同时也向用户提供了一个多模态及时助手的演示应用。IT之家附上演示如下：

该 API 支持集成多种工具，开辟者只需一次 API 调用，即可完成复杂的用例。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！