محادثة صوتية منخفضة التأخير عبر مقبس واحد، مع 30 صوتا، إدخال فيديو مباشر، استدعاء أدوات، وردود يمكنك مقاطعتها أثناء التحدث.
Googleتوليد الصوت128K السياقتاريخ الإصدار 15 سبتمبر 2026نقطة نهاية مملوكةجديدمحادثة صوتية منخفضة التأخير عبر مقبس واحد، مع 30 صوتا، إدخال فيديو مباشر، استدعاء أدوات، وردود يمكنك مقاطعتها أثناء التحدث.
يتم تكوين الجلسة باستخدام أحداث session.update عبر المقبس بدلا من معلمات الطلب. تفرض رموز النص والصوت فواتير بمعدلات منفصلة.
يعرف أيضا باسم Gemini Live, Google Gemini 3.8 Live
gemini-3-8-live/v1/realtimegemini-3.8-livegoogle/gemini-3.8-liveأسعار الدفع حسب الاستخدام مباشرة من كتالوج EmpirioLabs. تدفع فقط مقابل ما تستخدمه، بدون حد أدنى شهري.
يجري Gemini 3.8 Live محادثة مباشرة عبر WebSocket على wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live، وليس عبر نقاط نهاية HTTP. اتصل باستخدام معرف النموذج gemini-3-8-live وأرسل مفتاح EmpirioLabs API في ترويسة Authorization: Bearer أثناء المصافحة. ينتقل الصوت في الاتجاهين بصيغة PCM 16-بت مرمّزة بـ base64. لا يستطيع المتصفح ضبط الترويسات على WebSocket، لذا افتح هذا الاتصال من خادمك ومرّر الصوت إلى المتصفح عبر مقبسك الخاص. احصل على مفتاح API من لوحة تحكم EmpirioLabs.
import asyncio, json, os, websockets
async def main():
async with websockets.connect(
"wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live",
additional_headers=[
("Authorization", f"Bearer {os.environ['EMPIRIOLABS_API_KEY']}"),
],
max_size=None,
) as ws:
print(json.loads(await ws.recv())["type"]) # session.created
await ws.send(json.dumps({
"type": "conversation.item.create",
"item": {
"type": "message",
"role": "user",
"content": [{"type": "input_text", "text": "Say hello."}],
},
}))
await ws.send(json.dumps({"type": "response.create"}))
async for raw in ws:
event = json.loads(raw)
if event["type"] == "response.audio.delta":
... # base64 audio chunk, append to your playback buffer
elif event["type"] == "response.done":
break
asyncio.run(main())معلمات الطلب التي تدعمها واجهة Gemini 3.8 Live API على EmpirioLabs. تُطبق القيم الافتراضية عند حذف أي حقل.
| المعامل | النوع | الافتراضي | النطاق / القيم | الوصف |
|---|---|---|---|---|
| voice | enum | Puck | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | صوت التحدث للجلسة. ضبطه مع session.update قبل بدء المحادثة؛ لا يمكن تغييره بعد ذلك. |
| instructions | string | - | - | إرشادات النظام لكيفية تصرف النموذج وتحدثه. ضبطه مع session.update قبل بدء المحادثة. |
| temperature | number | - | 0 إلى 2 | قياس درجة الحرارة من 0 إلى 2. القيم الأقل تجعل الردود أكثر اتساقا. ضبطها قبل بدء المحادثة. |
| input_audio_format | enum | pcm16 | pcm16, pcm24 | ترميز الصوت الذي ترفقه إلى مخزن الإدخال: pcm16 هو PCM 16-بت base64 عند 16 كيلوهرتز، وpcm24 هو نفسه عند 24 كيلوهرتز. |
| output_audio_format | enum | pcm24 | pcm24 | ترميز الصوت الذي يبثه النموذج مرة أخرى: PCM 16-بت عند 24 كيلوهرتز. |
| turn_detection | string | {"type":"server_vad"} | - | كشف نشاط الصوت على جانب الخادم. يقرر متى توقفت عن الكلام ويجب أن يرد النموذج. يعمل افتراضيا؛ اضبطه على الصفر لإنهاء كل دور بنفسك باستخدام input_audio_buffer.commit. |
الاتصال صوت ثنائي الجنس بالكامل عبر WebSocket عند wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live، تم التحقق منه باستخدام رأس حامل التفويض العادي. قم بتكوين الجلسة باستخدام session.update قبل إرسال الصوت الأول: الصوت، التعليمات، كشف الأدوار، والأدوات. يتم إصلاح هذه الإعدادات بمجرد بدء المحادثة. إرسال الصوت والفيديو - إضافة صوت الميكروفون كأحداث input_audio_buffer.append: PCM 16-بت عند 16 كيلوهرتز، أو على 24 كيلوهرتز مع input_audio_format على pcm24. - إضافة إطارات فيديو حية كأحداث input_image_buffer.append، كصور JPEG أو PNG على أساس 64. - كشف نشاط الصوت مفعل افتراضيا، لذا استمر في البث لمدة ثانية تقريبا بعد انتهاء الكلام. اضبط turn_detection على الصفر لإنهاء كل دور بنفسك ب input_audio_buffer.commit. الأصوات واللغة - استخدم أحد الأصوات الثلاثين في قائمة voice، مثل Puck أو Kore أو Charon. يتم رفض أي قيمة أخرى. - يرد النموذج باللغة التي تتحدثها. الردود - تدفقات الكلام كأحداث response.audio.delta، PCM 16-بت عند 24 كيلوهرتز، مع الكلمات كأحداث session.update 0__. كلامك الخاص أيضا منسوخ أيضا. - التحدث أثناء رد النموذج يقاطعه. الأدوات - استدعاء الدوال باستخدام معلمات مخطط JSON. أعد كل نتيجة كعنصر session.update 1__ مع session.update 2__ الخاص بها. الفوترة يتم تسعير رموز الصوت والنص بشكل منفصل في كلا الاتجاهين، إطارات الفيديو تعرض كرموز إدخال، ورموز الاستدلال تحسب كرموز إخراج. يتم احتساب كل دور مكتمل بمفرده بناء على الاستخدام الذي يبلغ عنه النموذج، بما في ذلك رد تقاطعه.
على EmpirioLabs، تتم فوترة Gemini 3.8 Live حسب الاستخدام: الإدخال: الصوت $7.80 لكل 1M رموز إدخال صوت; المدخلات $2.60 لكل 1M رموز مطالبة; الإنتاج $11.70 لكل مليون رمز مولد; المخرج: الصوت $31.20 لكل مليون رمز صوتي مولد. جدول الأسعار المباشر في هذه الصفحة يطابق دائمًا ما تحتسبه الواجهة.
يدعم Gemini 3.8 Live نافذة سياق من 128K رمز، مع ما يصل إلى 65,536 رمز إخراج لكل استجابة.
يُقدَّم Gemini 3.8 Live عبر WEBSOCKET /v1/realtime على api.empiriolabs.ai مع مصادقة Bearer القياسية.
افتح ملعب EmpirioLabs واضغط Start session لتجربته في المتصفح. يعمل Gemini 3.8 Live عبر WebSocket بدلاً من طلب واستجابة، لذا ابدأ من دليل البدء السريع للصوت الفوري عند الدمج. اتصل من خادمك باستخدام مفتاح EmpirioLabs API ومعرف النموذج gemini-3-8-live، ثم مرّر الصوت في الاتجاهين.
أنشئ حساب EmpirioLabs ثم أنشئ مفتاحًا من API Keys في لوحة التحكم. الفوترة برصيد الدفع حسب الاستخدام، فلا تدفع إلا مقابل الطلبات التي تنفذها.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.
