Sprachgespräche mit niedriger Latenz über einen Socket, mit 30 Stimmen, Live-Videoeingang, Tool-Anrufen und Antworten, die du beim Sprechen unterbrechen kannst.
Google Audiogeneration 128K Kontext Veröffentlicht 15. Sept. 2026 Proprietärer Endpoint NeuSprachgespräche mit niedriger Latenz über einen Socket, mit 30 Stimmen, Live-Videoeingang, Tool-Anrufen und Antworten, die du beim Sprechen unterbrechen kannst.
Die Sitzung ist mit session.update-Ereignissen über den Socket konfiguriert, anstatt mit Anfrageparametern. Text- und Audio-Tokens werden zu getrennten Sätzen abgerechnet.
Auch bekannt als Gemini Live, Google Gemini 3.8 Live
gemini-3-8-live/v1/realtimegemini-3.8-livegoogle/gemini-3.8-liveLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Gemini 3.8 Live führt ein Live-Gespräch über einen WebSocket unter wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live, nicht über die HTTP-Endpunkte. Verbinden Sie sich mit der Modell-ID gemini-3-8-live und senden Sie Ihren EmpirioLabs-API-Schlüssel beim Handshake als Authorization: Bearer-Header. Audio läuft in beide Richtungen als base64-kodiertes 16-Bit-PCM. Ein Browser kann bei einem WebSocket keine Header setzen. Öffnen Sie diese Verbindung daher von Ihrem Server aus und leiten Sie das Audio über Ihren eigenen Socket an den Browser weiter. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
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())Request-Parameter, die die Gemini 3.8 Live API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| voice | enum | Puck | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | Sprechstimme für die Sitzung. Setze sie mit session.update, bevor das Gespräch beginnt; danach kann sie sich nicht mehr ändern. |
| instructions | string | - | - | Systemanleitung, wie sich das Modell verhält und spricht. Setze es mit session.update, bevor das Gespräch beginnt. |
| temperature | number | - | 0.2 bis 2 | Sampling-Temperatur von 0,2 bis 2. Niedrigere Werte machen die Antworten konsistenter. Stelle es ein, bevor das Gespräch beginnt. |
| input_audio_format | enum | pcm16 | pcm16, pcm24 | Codierung des Audios, das du dem Eingangspuffer anhängst: pcm16 ist base64 16-Bit-PCM bei 16 kHz, und pcm24 ist dasselbe mit 24 kHz. |
| output_audio_format | enum | pcm24 | pcm24 | Codierung des Audios, das das Modell zurückstreamt: 16-Bit-PCM bei 24 kHz. |
| turn_detection | string | {"type":"server_vad"} | - | Spracherkennung: Entscheidet, wann Sie mit dem Sprechen fertig sind und das Modell antworten soll. Sie ist standardmäßig server_vad aktiviert. Bei server_vad ist die... |
| max_response_output_tokens | number | - | 4096 bis 65536 | Die größte Anzahl an Ausgabetoken, die eine Antwort verwenden kann: von 4096 bis 65536, wobei eine größere Zahl bei 65536 oder "inf" für das eigene Limit des Modells... |
| input_audio_transcription | string | - | - | Hinweise für das Transkript dessen, was du sagst: Sprache ist ein Sprachcode wie en oder fr-FR, und der Prompt listet bis zu 1.000 Wörter und Namen auf, die man... |
| media_resolution | enum | - | low, medium, high | Details, die das Modell in jedem gesendeten Videoframe sieht: Niedrig verwendet die wenigsten Eingabetoken pro Frame, und Mittel und Hoher zeigen mehr Details. Wenn... |
Vollduplex-Stimme über einen WebSocket bei wss://api.empiriolabs.ai/v1/realtime?model=gemini-3-8-live, authentifiziert mit dem normalen Autorisierungsträger-Header. Konfigurieren Sie die Sitzung mit session.update, bevor Sie das erste Audio senden: Sprache, Anweisungen, Umzugserkennung und Werkzeuge. Diese Einstellungen sind behoben, sobald das Gespräch beginnt.
Audio- und Texttoken werden in beide Richtungen separat bepreist, Videoframes als Eingabetoken und Reasoning-Tokens als Output-Tokens. Jeder abgeschlossene Zug wird eigenständig aus der vom Modell gemeldeten Nutzung abgerechnet, einschließlich einer Antwort, die man unterbricht.
Auf EmpirioLabs wird Gemini 3.8 Live nach Verbrauch abgerechnet: Eingabe: Audio $7.80 pro 1M Audio-Eingangstoken; Eingabe $2.60 pro 1M Prompt-Token; Ausgabe $11.70 pro 1 Million generierter Token; Ausgabe: Audio $31.20 pro 1M generierten Audio-Tokens. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Gemini 3.8 Live unterstützt ein Kontextfenster von 128K Token mit bis zu 65.536 Ausgabe-Token pro Antwort.
Gemini 3.8 Live wird über WEBSOCKET /v1/realtime auf api.empiriolabs.ai mit normaler Bearer-Token-Authentifizierung bereitgestellt.
Öffnen Sie das EmpirioLabs Playground und klicken Sie auf Start session, um es im Browser zu testen. Gemini 3.8 Live läuft über einen WebSocket statt über Anfrage und Antwort, beginnen Sie für die Integration deshalb mit dem Schnellstart für Echtzeit-Sprache. Verbinden Sie sich von Ihrem Server aus mit Ihrem EmpirioLabs-API-Schlüssel und der Modell-ID gemini-3-8-live und streamen Sie dann Audio in beide Richtungen.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
