Simon Willison 实测开源 Gemini Live 网页客户端：纯原生实现双向语音打断对话

开发者 Simon Willison 开源了一款基于浏览器的 Gemini Live 网页客户端，验证了利用纯原生 Web API 与大模型进行低延迟双向语音对话及实时打断的可行性。

• 谷歌当日发布了 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两款端到端语音大模型，对标同类语音交互产品。
• Simon Willison 构建的前端客户端无需引入任何第三方前端库，直接利用浏览器原生的 Web Audio API 处理麦克风音频采集与音频流播放。
• 客户端通过 WebSocket 接口直连谷歌官方实时交互端点，支持用户选择模型与预设音色、配置系统提示词，并能在模型说话时通过即时输入或语音说话触发实时打断中断响应。
• 影响/看点：该实践表明端到端语音大模型正快速降低富交互应用的接入门槛，若网络延迟与协议稳定性达标，开发者无需复杂中间件即可在轻量级浏览器环境中构建实时语音交互代理。
• 资料依据：
• Simon Willison 博客（2026-09-15）：https://simonwillison.net/2026/Sep/15/gemini-live/

本内容由 AI 生成，仅供参考，请注意甄别