谷歌发布多模态直播 API：解锁看、听、说，开启 AI 音视频交互新体验

2024年12月13日 10:39:53 来源：IT之家

　　谷歌昨日在发布 Gemini 2.0 的同时，还发布了全新的多模态直播(Multimodal Live)API，帮助开发人员开发具有实时音频和视频流功能的应用程序。

　　该 API 实现了低延迟、双向的文本、音频和视频交互，以音频和文本形式输出，带来更自然流畅、如同人类对话般的交互体验。用户可以随时打断模型，并通过共享摄像头输入或屏幕录像与其进行互动，就内容提问。

　　该模型的视频理解功能扩展了通信模式，用户能够使用摄像头实时拍摄或共享桌面并提出相关问题。该 API 已经向开发者开放，同时也向用户提供了一个多模态实时助手的演示应用。

　　该 API 支持集成多种工具，开发者只需一次 API 调用，即可完成复杂的用例。

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

即时

12 月 3 日消息，公开信息显示，美团关联公司北京三快科技有限公司因未对平台商户证照资质进行真实性审查，被北京市市场监督管理局罚款 20 万元，没收违法所得约 46 万元。

奥维云网(AVC)推总数据显示，2024年1-9月明火炊具线上零售额94.2亿元，同比增加3.1%，其中抖音渠道表现优异，同比有14%的涨幅，传统电商略有下滑，同比降低2.3%。

“以前都要去窗口办，一套流程下来都要半个月了，现在方便多了!”打开“重庆公积金”微信小程序，按照提示流程提交相关材料，仅几秒钟，重庆市民曾某的账户就打进了21600元。

华硕ProArt创艺27 Pro PA279CRV显示器，凭借其优秀的性能配置和精准的色彩呈现能力，为您的创作工作带来实质性的帮助，双十一期间低至2799元，性价比很高，简直是创作者们的首选。

9月14日，2024全球工业互联网大会——工业互联网标识解析专题论坛在沈阳成功举办。