用途：用于开发基于 Gemini Live API 的实时双向流式应用，通过 WebSocket 实现低延迟的语音与视频交互，可处理持续的音频、视频或文本流并给出即时语音回复。
主要能力：双向音频流（麦克风到扬声器实时对话）、视频流（与音频一同发送摄像头/屏幕帧）、文本输入输出、输入与输出音频转写、语音活动检测（自动打断处理）、原生音频（可配置 thinkingLevel）、函数调用（同步工具调用）、Google 搜索接地、会话管理（上下文压缩、会话恢复、GoAway 信号）、临时令牌（客户端安全认证）。仅支持 WebSocket，如需 WebRTC 或简化集成可用合作方集成（LiveKit、Pipecat、Fishjam、Vision Agents、Voximplant、Firebase AI SDK）。
模型：推荐 gemini-3.1-flash-live-preview（低延迟实时对话、原生音频输出、128k 上下文）；翻译模型 gemini-3.5-live-translate-preview。部分旧模型已弃用并将关停，需迁移至 gemini-3.1-flash-live-preview。
用法：Python 安装 pip install google-genai，JS/TS 安装 npm install @google/genai；旧 SDK 已弃用。实时用户输入应使用 send_realtime_input / sendRealtimeInput（audio、video、text 分别传对应字段），send_client_content 仅用于初始化上下文历史。音频输入为 16kHz 单声道 PCM，输出为 24kHz。
限制：每次会话响应模态只能为 TEXT 或 AUDIO 之一；无压缩时纯音频会话 15 分钟、音视频 2 分钟，连接寿命约 10 分钟（需会话恢复）；上下文 128k（原生音频）或 32k（标准）；暂不支持异步函数调用、主动音频、情感对话、代码执行与 URL 上下文。