Simon Willison 实战：通过 WebSocket 在浏览器里调 Gemini Live

Google 今天发布了 Gemini 3.8 Live 和 3.8 Live Extended Thinking——两款新的语音转语音模型，形态上与 OpenAI 的 GPT-Live 系列相似。

我让 GPT-6 Astra Extra High 去啃文档，然后用它帮我搭建了这个 Web UI 来试用这些新模型。你可以选择一个模型和语音预设，输入一个可选的系统提示词，然后通过浏览器开始语音对话，包括在模型说话时打断它的能力。

这个实现没有使用任何第三方库。它连接到 wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1alpha.GenerativeService.BidiGenerateContent?key=... WebSocket 端点，并使用 Web Audio API 的 AudioContext 来进行音频采集和播放。

这里有一份 Gemini Live 入门教程，教你如何开始使用那个 WebSockets API。

用 GPT-6 Astra 和 ChatGPT Work 生成跑步路线 - 2026年9月12日

OpenAI agents 在今年五月攻击了 RubyGems - 2026年9月12日

关于纳维-斯托克斯千禧年难题的一些思考 - 2026年9月8日

这是 Simon Willison 的报道，发表于 2026 年 9 月 15 日。

赞助我 $10/月，每月收到一份关于当月最重要 LLM 动态的精选摘要。

付费让我少发给你！