用途：本技能用于构建和评估基于 Google Gemini Live API 与 Gemini Enterprise Agent Platform Live API 的低延迟实时语音、多模态与翻译体验。它面向双向会话（麦克风或流媒体输入、语音输出），而非批量配音渲染；若目标是成品旁白、有声书、播客或离线转写，应改用 TTS 或语音转文字技能。
主要能力：Live API 是有状态的 WebSocket 接口，可处理连续的音频、图像、文本（API 参考中还包括视频）流，返回语音输出，并可按配置返回文本与函数调用事件。支持输入与输出转写、多语言、语音选择、打断（barge-in）、自动或手动 VAD、函数调用与 Google Search 接地。Live Agent 模式适合会推理、提问、调用工具、处理轮次的助手；Live Translation 模式为纯翻译管线，仅限音频、不支持工具与指令驱动。
使用方式：通过 SDK 的 Live connect/session 抽象，或直接连接文档中的 BidiGenerateContent 端点并自行管理 JSON 消息。会话配置前置，包含模型、响应模态、生成参数、系统指令与工具。音频输入为 16 kHz 小端 16 位 PCM，输出为 24 kHz；建议输入分块 20-40 ms，自动 VAD 静音 500-800 ms。工具响应需客户端自行执行并回传 FunctionResponse。长会话需启用上下文压缩与会话恢复。
限制：Developer API 文档将 Live API 标为 Preview；无压缩时会话上限为纯音频 15 分钟、音视频 2 分钟，连接寿命约 10 分钟。模型名称、预览/GA 状态、价格、速率限制、支持区域与治理控制经常变化，生产上线前须复核官方文档。本技能未附带第一方基准，不应编造延迟或质量数据。