Communitygithub.com

google-gemini/gemini-live-api-dev

Usa esta habilidad al construir aplicaciones de streaming bidireccional en tiempo real con la API Gemini Live. Cubre streaming de audio/video/texto basado en WebSocket, detección de actividad de voz (VAD), funciones de audio nativas, invocación de funciones, gestión de sesiones, tokens efímeros para autenticación del lado del cliente, traducción en vivo y todas las opciones de configuración de la API Live. SDKs cubiertos: google-genai (Python), @google/genai (JavaScript/TypeScript).

¿Qué es gemini-live-api-dev?

Esta habilidad está diseñada para desarrolladores que desean construir aplicaciones interactivas en tiempo real utilizando la API Gemini Live, la cual permite comunicación bidireccional a través de audio, video y texto mediante WebSockets. Proporciona una guía completa sobre funcionalidades clave como la detección de actividad de voz (VAD), funciones de audio nativas para entrada y salida, invocación de funciones para extender el comportamiento del agente, y gestión de sesiones con tokens efímeros para autenticación segura del lado del cliente. La habilidad también cubre casos de uso avanzados como la traducción en vivo y la configuración detallada de opciones de la API Live. Es compatible con los SDKs oficiales google-genai (Python) y @google/genai (JavaScript/TypeScript), lo que la hace útil para equipos que trabajan en múltiples plataformas y necesitan una referencia unificada para implementar chat de voz, agentes conversacionales o aplicaciones multimedia en tiempo real.

Compatible con~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-live-api-dev
Ver original→Ver todas las habilidades

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentación

¿Qué hace gemini-live-api-dev?

Usa esta habilidad al construir aplicaciones de streaming bidireccional en tiempo real con la API Gemini Live. Cubre streaming de audio/video/texto basado en WebSocket, detección de actividad de voz (VAD), funciones de audio nativas, invocación de funciones, gestión de sesiones, tokens efímeros para autenticación del lado del cliente, traducción en vivo y todas las opciones de configuración de la API Live. SDKs cubiertos: google-genai (Python), @google/genai (JavaScript/TypeScript).

Individual skills in this repo

This repo contains 4 individual skills — each has its own dedicated page.

google-gemini/gemini-api-dev

Use this skill when building applications with Gemini API hosted models, including Gemini and Gemma 4, working with multimodal content (text, images, audio, video), implementing function calling, using structured outputs, or needing current model specifications. Covers SDK usage (google-genai for Python, @google/genai for JavaScript/TypeScript, com.google.genai:google-genai for Java, google.golang.org/genai for Go), model selection, and API capabilities.

google-gemini/gemini-interactions-api

Use this skill when writing code that calls the Gemini API for text generation, multi-turn chat, multimodal understanding, image generation, streaming responses, background research tasks, function calling, structured output, or migrating from the old generateContent API. This skill covers the Interactions API, the recommended way to use Gemini models and agents in Python and TypeScript.

google-gemini/gemini-skills

Use this skill for generative video editing, text-to-video, image-referenced video generation, first-frame-to-video, first-and-last-frame transitions, and video extensions using Gemini Omni 1.1 Flash (gemini-omni-1.1-flash) via the official google-genai SDK. Includes workflows for pre-processing/optimizing high-resolution or long source videos with ffmpeg, stripping audio for full sound regeneration, and handling turn-by-turn video editing and parallel execution.

google-gemini/vertex-ai-api-dev

Guides the usage of Gemini API on Google Cloud Vertex AI with the Gen AI SDK. Use when the user asks about using Gemini in an enterprise environment or explicitly mentions Vertex AI. Covers SDK usage (Python, JS/TS, Go, Java, C#), capabilities like Live API, tools, multimedia generation, caching, and batch prediction.

Skills relacionados

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community