Gemini Live audio — Simon Willison 用 AI 现场写了个零依赖网页 UI，试玩 Goo

• Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 两个语音对语音模型，形态类似 OpenAI 的 GPT-Live 系列，支持打断模型说话。对 agent 的含义：实时双向语音正成为主流模型厂商的标配接口层。
• 他用 GPT-6 Astra Extra High 读文档后直接生成一个试用网页，可选模型、语音预设、系统提示词，并在浏览器里发起语音对话。对开发者的含义：读文档写胶水代码这类工作已可整体外包给模型。
• 实现不依赖任何库，直接连 WebSocket 端点（BidiGenerateContent），用 Web Audio API 的 AudioContext 同时做采集与播放。对工具链的含义：浏览器原生 API 已足够支撑实时语音 agent，无需引入 SDK。

原文：Gemini Live audio · 作者 Simon Willison