用途：构建基于 Gemini Live API 的实时双向流式应用，例如低延迟语音代理、实时对话、视频流交互与语音翻译；也用于将旧版 Live 模型（3.1/2.5/2.0 系列）迁移到 Gemini 3.8 系列。
主要能力：双向音频流（麦克风到扬声器实时对话）、背景推理（extended thinking，可边说填充语边异步执行工具）、实时流式转写（interim 与 finalized 结果）、视频帧流、文本输入输出、输入输出音频转录、VAD（服务端自动、客户端 Hybrid VAD、手动 Push-to-Talk）、异步函数调用、全会话客户端内容注入、会话管理（上下文压缩、会话恢复、GoAway 信号）以及临时令牌用于客户端安全鉴权。模型包括 gemini-3.8-live、gemini-3.8-live-extended-thinking、gemini-3.5-transcribe-live、gemini-3.5-live-translate-preview，支持 70 多种语言。
使用方式：Live API 直接通过 WebSocket 连接。Python 用 google-genai >= 2.3.0（pip install -U google-genai），JavaScript/TypeScript 用 @google/genai >= 2.3.0（npm install @google/genai）；旧版 SDK google-generativeai 与 @google/generative-ai 已弃用。实时输入统一用 send_realtime_input / sendRealtimeInput，音频键为 audio、视频为 video、文本为 text；全会话上下文注入用 send_client_content / sendClientContent，需显式指定 user 或 model 角色。输入音频为 16-bit 小端单声道 PCM、16kHz，MIME 为 audio/pcm;rate=16000；输出为 24kHz。可选用 LiveKit、Pipecat、Fishjam、Vision Agents、Voximplant、Firebase AI SDK 等合作伙伴集成走 WebRTC 或简化接入。
适用场景：实时语音助手、语音翻译、实时字幕转写、带视频输入的实时交互、需要后台推理与异步工具的语音代理。
限制：每个会话只能选 TEXT 或 AUDIO 一种响应模态，原生音频模型输出音频时需开启输出转写才能获得文本；纯音频会话无压缩约 15 分钟，音频加视频约 2 分钟；连接生命周期约 10 分钟，需用会话恢复；上下文窗口为 128k 输入 token / 64k 输出 token；不支持代码执行与 URL 上下文。extended-thinking 必须使用 NON_BLOCKING 工具并通过 interaction_status（IN_PROGRESS/IDLE）判断轮次完成。测试建议佩戴耳机，长会话启用上下文压缩，客户端部署使用临时令牌，中断时清空播放队列，并处理每个服务端事件中的全部内容部分。