محادثة صوتية منخفضة التأخير عبر مقبس واحد، مع 30 صوتا، إدخال فيديو مباشر، استدعاء أدوات، وردود يمكنك مقاطعتها أثناء التحدث.
Google توليد الصوت 128K السياق تاريخ الإصدار 15 سبتمبر 2026 نقطة نهاية مملوكة جديدمحادثة 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 | - | 0.2 إلى 2 | درجة حرارة العينة من 0.2 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"} | - | اكتشاف نشاط الصوت: يحدد متى تنتهي من الكلام ويجب أن يرد النموذج. يكون مفعلا افتراضيا server_vad. مع server_vad، العتبة هي رقم من 0 إلى 1؛ فوق 0.5، يحتاج الدور إلى... |
| max_response_output_tokens | number | - | 4096 إلى 65536 | أكبر عدد من رموز الإخراج التي يمكن استخدامها في الرد: من 4096 إلى 65536، حيث يعمل رقم أكبر عند 65536، أو "inf" لحد النموذج نفسه. ويقبل أيضا كحد max_output_tokens.... |
| input_audio_transcription | string | - | - | تلميحات لنص ما تقول: اللغة هي رمز لغوي مثل en أو fr-FR، والطلب يسرد حتى 1000 كلمة واسم للتعرف عليه، مفصولة بفواصل، في حد أقصى 20,000 حرف. النص دائما يأتي من هذا... |
| media_resolution | enum | - | low, medium, high | التفاصيل التي يلاحظها النموذج في كل إطار فيديو ترسله: المنخفض يستخدم أقل رموز إدخال لكل إطار، والمتوسط والعالي يعرضان تفاصيل أكثر. عند حذفه، يطبق النموذج الافتراضي... |
الصوت المزدوج الكامل عبر WebSocket في wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live، يتم التحقق منه باستخدام رأس حامل التفويض العادي. قم بتكوين الجلسة باستخدام session.update قبل إرسال الصوت الأول: الصوت، التعليمات، اكتشاف الأدوار والأدوات. يتم إصلاح هذه الإعدادات بمجرد بدء المحادثة.
يتم تسعير رموز الصوت والنص بشكل منفصل في كلا الاتجاهين، حيث يتم احتساب إطارات الفيديو كرموز إدخال، ورموز الاستدلالية كرموز إخراج. يتم احتساب كل دور مكتمل بشكل مستقل من الاستخدام الذي يبلغ عنه النموذج، بما في ذلك رد "تقاطع".
على EmpirioLabs، تتم فوترة Gemini 3.8 Live حسب الاستخدام: المدخلات: صوت $7.80 لكل 1M رموز إدخال صوت; المدخلات $2.60 لكل 1M رموز مطالبة; المخرجات $11.70 لكل مليون رمز مولد; المخرجات: صوت $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.
