|
昨天 Google 直接掀桌子，发布了 Gemini 2.0 ，其中提到了最新 Multimodal Live API ，它具有实时音频、视频流输入、以及使用多个组合工具的能力。目前在 Google AI Studio 中已经可以体验，但 Google AI Studio 中的体验并不是很好，我在官方的仓库里发现了一个类似于 Project Astra 原型的项目，该项目体验非常不错，基本上有了 Project Astra 的雏形，我对项目进行了微调，让每个人都可以在线体验 Multimodal Live API 。
在线体验：https://astra.u14.app/
项目文件：openAstra.zip
需要输入拥有 gemini-2.0-flash-exp 访问权限的 apiKey ，apiKey 保存在 localStorage 中，整个网站属于静态页面
apiKey 可以在 Google AI Studio 上免费申请。目前 Multimodal Live API 处于测试阶段，似乎还没有使用额度限制，可以一直对话。另外需要注意的是，Multimodal Live API 暂不支持中文语音输出，请尽可能地使用英文与其交流。
后续 GeminiNextChat 也会接入 Multimodal Live API ，获得实时语音和视频对话的能力。
| 
