Пример должен через WebSocket отправлять аудио-PCM (не wav, не mp3, а именно голый PCM) и получать обратно распознанный текст
И наоборот, отправлять текст и получать сгенерированную речь аудио-PCM.
Пример должен запускаться и работать.
Простое консольное приложение, в котором открывается ClientWebSocket (скорей всего) к Gemini Live API.
Именно Live, который работает через сокеты.
И обязательно NetFramework 4.8
В нем сначала открывается сессия с отправкой настроек, что-то типа
{
"type": "session.update",
"session": {
"instructions": "Ты русскоязычный диктор",
"language": "ru",
"audio_input": { "format": "pcm16", "sample_rate": 8000 },
"audio_output": { "format": "pcm16", "sample_rate": 8000, "voice": "female" }
}
}";
но это не точно, я для примера написал.
Затем шлем pcm пакет со звуком
Я могу прислать test_1.pcm для примера.
И получаем распознанный текст.
Следом в коде шлем любой произвольный текст и получаем сгенерированный голос.
Все это должно запускаться и реально работать.
Опубликован 09.01.2026 в 20:27 Последнее изменение: 12.01.2026 в 16:10