A API Live permite interações de voz e vídeo em tempo real e de baixa latência com o Gemini. Ele processa fluxos contínuos de áudio, vídeo ou texto para oferecer respostas faladas imediatas e semelhantes às humanas, criando uma experiência de conversa natural para os usuários.

A API Live oferece um conjunto abrangente de recursos, como detecção de atividade de voz, uso de ferramentas e chamadas de função, gerenciamento de sessão (para gerenciar conversas longas) e tokens efêmeros (para autenticação segura do lado do cliente).
Esta página mostra como começar a usar exemplos e amostras de código básicas.
Teste a API Live no Google AI Studio
Exemplos de aplicativos
Confira os seguintes exemplos de aplicativos que ilustram como usar a API Live para casos de uso completos:
- App inicial de áudio ao vivo no AI Studio, usando bibliotecas JavaScript para se conectar à API Live e transmitir áudio bidirecional pelo microfone e pelos alto-falantes.
- Livro de receitas em Python da API Live usando o Pyaudio, que se conecta à API Live.
Integrações com parceiros
Se preferir um processo de desenvolvimento mais simples, use o Daily, o LiveKit ou o Voximplant. São plataformas de parceiros terceirizados que já integraram a API Gemini Live ao protocolo WebRTC para simplificar o desenvolvimento de aplicativos de áudio e vídeo em tempo real.
Antes de começar a criar
Antes de começar a criar com a API Live, é preciso tomar duas decisões importantes: escolher um modelo e uma abordagem de implementação.
Escolher uma arquitetura de geração de áudio
Se você estiver criando um caso de uso baseado em áudio, a escolha do modelo vai determinar a arquitetura de geração de áudio usada para criar a resposta de áudio:
- Áudio nativo:essa opção oferece a fala mais natural e realista, além de uma performance multilíngue melhor.
Ele também ativa recursos avançados, como diálogo afetivo (com reconhecimento de emoções), áudio proativo (em que o modelo pode decidir ignorar ou responder a determinadas entradas) e "pensamento".
O áudio nativo é compatível com os seguintes modelos de áudio nativo:
- gemini-2.5-flash-native-audio-preview-09-2025
 
- Áudio de meia cascata:
essa opção usa uma arquitetura de modelo em cascata (entrada de áudio nativa e saída de conversão de texto em voz).
Ele oferece melhor desempenho e confiabilidade em ambientes de produção, especialmente com o uso de ferramentas. O áudio semicascateado é compatível com os seguintes modelos:
- gemini-live-2.5-flash-preview
- gemini-2.0-flash-live-001
 
Escolher uma abordagem de implementação
Ao fazer a integração com a API Live, você precisa escolher uma das seguintes abordagens de implementação:
- De servidor para servidor: seu back-end se conecta à API Live usando WebSockets. Normalmente, o cliente envia dados de stream (áudio, vídeo, texto) para o servidor, que os encaminha para a API Live.
- Cliente para servidor: seu código de front-end se conecta diretamente à API Live usando WebSockets para transmitir dados, ignorando o back-end.
Primeiros passos
Este exemplo lê um arquivo WAV, envia no formato correto e salva os dados recebidos como um arquivo WAV.
Você pode enviar áudio convertendo-o para PCM de 16 bits, 16 kHz, formato mono, e
receber áudio definindo AUDIO como modalidade de resposta. A saída usa uma taxa de amostragem de 24 kHz.
Python
# Test file: https://storage.googleapis.com/generativeai-downloads/data/16000.wav
# Install helpers for converting files: pip install librosa soundfile
import asyncio
import io
from pathlib import Path
import wave
from google import genai
from google.genai import types
import soundfile as sf
import librosa
client = genai.Client()
# New native audio model:
model = "gemini-2.5-flash-native-audio-preview-09-2025"
config = {
  "response_modalities": ["AUDIO"],
  "system_instruction": "You are a helpful assistant and answer in a friendly tone.",
}
async def main():
    async with client.aio.live.connect(model=model, config=config) as session:
        buffer = io.BytesIO()
        y, sr = librosa.load("sample.wav", sr=16000)
        sf.write(buffer, y, sr, format='RAW', subtype='PCM_16')
        buffer.seek(0)
        audio_bytes = buffer.read()
        # If already in correct format, you can use this:
        # audio_bytes = Path("sample.pcm").read_bytes()
        await session.send_realtime_input(
            audio=types.Blob(data=audio_bytes, mime_type="audio/pcm;rate=16000")
        )
        wf = wave.open("audio.wav", "wb")
        wf.setnchannels(1)
        wf.setsampwidth(2)
        wf.setframerate(24000)  # Output is 24kHz
        async for response in session.receive():
            if response.data is not None:
                wf.writeframes(response.data)
            # Un-comment this code to print audio data info
            # if response.server_content.model_turn is not None:
            #      print(response.server_content.model_turn.parts[0].inline_data.mime_type)
        wf.close()
if __name__ == "__main__":
    asyncio.run(main())
JavaScript
// Test file: https://storage.googleapis.com/generativeai-downloads/data/16000.wav
import { GoogleGenAI, Modality } from '@google/genai';
import * as fs from "node:fs";
import pkg from 'wavefile';  // npm install wavefile
const { WaveFile } = pkg;
const ai = new GoogleGenAI({});
// WARNING: Do not use API keys in client-side (browser based) applications
// Consider using Ephemeral Tokens instead
// More information at: https://ai.google.dev/gemini-api/docs/ephemeral-tokens
// New native audio model:
const model = "gemini-2.5-flash-native-audio-preview-09-2025"
const config = {
  responseModalities: [Modality.AUDIO],
  systemInstruction: "You are a helpful assistant and answer in a friendly tone."
};
async function live() {
    const responseQueue = [];
    async function waitMessage() {
        let done = false;
        let message = undefined;
        while (!done) {
            message = responseQueue.shift();
            if (message) {
                done = true;
            } else {
                await new Promise((resolve) => setTimeout(resolve, 100));
            }
        }
        return message;
    }
    async function handleTurn() {
        const turns = [];
        let done = false;
        while (!done) {
            const message = await waitMessage();
            turns.push(message);
            if (message.serverContent && message.serverContent.turnComplete) {
                done = true;
            }
        }
        return turns;
    }
    const session = await ai.live.connect({
        model: model,
        callbacks: {
            onopen: function () {
                console.debug('Opened');
            },
            onmessage: function (message) {
                responseQueue.push(message);
            },
            onerror: function (e) {
                console.debug('Error:', e.message);
            },
            onclose: function (e) {
                console.debug('Close:', e.reason);
            },
        },
        config: config,
    });
    // Send Audio Chunk
    const fileBuffer = fs.readFileSync("sample.wav");
    // Ensure audio conforms to API requirements (16-bit PCM, 16kHz, mono)
    const wav = new WaveFile();
    wav.fromBuffer(fileBuffer);
    wav.toSampleRate(16000);
    wav.toBitDepth("16");
    const base64Audio = wav.toBase64();
    // If already in correct format, you can use this:
    // const fileBuffer = fs.readFileSync("sample.pcm");
    // const base64Audio = Buffer.from(fileBuffer).toString('base64');
    session.sendRealtimeInput(
        {
            audio: {
                data: base64Audio,
                mimeType: "audio/pcm;rate=16000"
            }
        }
    );
    const turns = await handleTurn();
    // Combine audio data strings and save as wave file
    const combinedAudio = turns.reduce((acc, turn) => {
        if (turn.data) {
            const buffer = Buffer.from(turn.data, 'base64');
            const intArray = new Int16Array(buffer.buffer, buffer.byteOffset, buffer.byteLength / Int16Array.BYTES_PER_ELEMENT);
            return acc.concat(Array.from(intArray));
        }
        return acc;
    }, []);
    const audioBuffer = new Int16Array(combinedAudio);
    const wf = new WaveFile();
    wf.fromScratch(1, 24000, '16', audioBuffer);  // output is 24kHz
    fs.writeFileSync('audio.wav', wf.toBuffer());
    session.close();
}
async function main() {
    await live().catch((e) => console.error('got error', e));
}
main();
A seguir
- Leia o guia completo de Recursos da API Live para conhecer os principais recursos e configurações, incluindo detecção de atividade de voz e recursos de áudio nativos.
- Leia o guia Uso de ferramentas para saber como integrar a API Live com ferramentas e chamadas de função.
- Leia o guia Gerenciamento de sessões para gerenciar conversas longas.
- Leia o guia Tokens efêmeros para autenticação segura em aplicativos cliente-servidor.
- Para mais informações sobre a API WebSockets subjacente, consulte a referência da API WebSockets.