Google Gemini Live
qwen-audio-agent 可以把 Google Gemini Live WebSocket API 作为云端语音前台。 Gateway 仍保持同一套前台工具、记忆、提醒、任务委派和后台 Agent 编排；Provider Adapter 只把 Gemini Live 的双向流协议转换成项目内统一的 Realtime 运行时。
配置
编辑 qwenaudio config 显示的用户配置文件：
dotenv
QWEN_AUDIO_REALTIME_PROVIDER=google-live
GOOGLE_API_KEY=your-google-api-key| 可选配置 | 默认值 | 说明 |
|---|---|---|
GOOGLE_LIVE_REALTIME_URL / GEMINI_LIVE_REALTIME_URL | wss://generativelanguage.googleapis.com/ws/google.ai.generativelanguage.v1beta.GenerativeService.BidiGenerateContent | WebSocket 端点 |
GOOGLE_LIVE_REALTIME_MODEL / GEMINI_LIVE_REALTIME_MODEL | gemini-3.8-live | 当前内置模型档案 |
GOOGLE_LIVE_REALTIME_VOICE / GEMINI_LIVE_REALTIME_VOICE | 空 | 使用服务默认音色，或填写 Gemini Live 预置音色名 |
GEMINI_API_KEY / GOOGLE_LIVE_API_KEY | 空 | GOOGLE_API_KEY 的别名 |
桌面端在 语音前台 -> Google Live 下暴露同样字段。终端 Gateway 修改文件后需重启； 若是已安装的后台服务，执行 qwenaudio gateway restart。
集成边界
- Adapter 使用 Gemini Live 原生 WebSocket 端点；若 URL 中没有
key或access_token，会把 API Key 追加为keyquery 参数。 - 音频输入使用单声道 16 kHz PCM，音频输出使用 24 kHz PCM。
- Gateway 会把自己的 function declarations 注册给 Gemini Live，工具结果通过
toolResponse返回。 - Gemini Live 不按 OpenAI 风格确认 conversation item，因此 Gateway 在写入输入或工具结果 frame 后即视为发送成功。
- 此 Provider 关闭会话历史恢复，因为注入的历史文本会被 Gemini Live 视为实时输入。
- 当前传输可在客户端协商 image-buffer capability 后，把实时 JPEG 帧作为 Gemini Live
videorealtime input 发送。
验证边界
本地协议测试覆盖 URL 构造、Session 配置、音频和图像帧、工具调用、转写事件、模型能力上报 和 Provider 注册。线上模型行为、可用音色、配额、延迟及地域可用性需要有效 Google AI 账号验证，并以 Google 当前 Gemini Live API 文档为准。