Communitygithub.com

google-gemini/gemini-live-api-dev

Utilisez cette compétence pour créer des applications de streaming bidirectionnel en temps réel avec l'API Gemini Live. Elle couvre le streaming audio/vidéo/texte via WebSocket, la détection d'activité vocale (VAD), les fonctionnalités audio natives, l'appel de fonctions, la gestion de sessions, les jetons éphémères pour l'authentification côté client, la traduction en direct et toutes les options de configuration de l'API Live. Kits SDK couverts : google-genai (Python), @google/genai (JavaScript/TypeScript).

Qu'est-ce que gemini-live-api-dev ?

Cette compétence est conçue pour les développeurs qui souhaitent exploiter l'API Gemini Live de Google afin de construire des applications interactives en temps réel. Elle permet de gérer des flux audio, vidéo et texte bidirectionnels via des connexions WebSocket, avec des fonctionnalités avancées comme la détection d'activité vocale (VAD) et le traitement audio natif. L'API prend en charge l'appel de fonctions (function calling), la gestion de sessions persistantes et les jetons éphémères pour sécuriser l'authentification côté client. Elle est utile pour des cas d'usage comme la traduction en direct, les assistants vocaux interactifs ou les applications de streaming multimédia. Les kits SDK principaux (Python et JavaScript/TypeScript) sont documentés, mais les concepts s'appliquent également à d'autres langages via des appels REST ou WebSocket. L'objectif est de fournir une référence complète pour configurer, connecter et interagir avec l'API Live, en couvrant les paramètres de configuration, les événements de session et les bonnes pratiques de développement.

Compatible avec~Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/google-gemini/gemini-skills/tree/main/skills/gemini-live-api-dev
Voir l'original→Voir toutes les compétences

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Documentation

Que fait gemini-live-api-dev ?

Utilisez cette compétence lorsque vous construisez des applications de streaming bidirectionnel en temps réel avec l'API Gemini Live. Elle couvre le streaming audio/vidéo/texte via WebSocket, la détection d'activité vocale (VAD), les fonctionnalités audio natives, l'appel de fonctions, la gestion de sessions, les jetons éphémères pour l'authentification côté client, la traduction en direct et toutes les options de configuration de l'API Live. Kits SDK couverts : 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 associés

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