GGoogleアプリ・サービス最終更新
Gemini Liveとは？できること・これまでの流れ
Gemini Liveは、Googleが提供するネイティブな音声処理モデルです。音声をテキストに変換せず直接処理することで超低遅延を実現しています。[1][2][3]
何ができる？
- 音声を使ってGeminiと自然な対話ができます。[1]
- 音声をテキストに変換せず直接処理するSpeech-to-Speechモデルにより、極めて低い遅延で応答します。[2][3]
- ユーザーによる発話の割り込みイベントを検知して記録できます。[2][3]
- 音声トークンとテキストトークンの消費量を分離して可視化できます。[2][3]
日本で使える？
日本からも利用できます。[1][2]
Google AI StudioでGemini APIキーを取得します。[3]
どうやって使う？
Google AI StudioのAPIキーを取得することで、即座に利用環境を構築できます。[2]
Google ADKのコード内にプラグインを組み込んで実行します。[3]
これまでと何が違う？
- 従来の音声アシスタントにあった音声認識や音声合成のステップを挟まず、音声を直接処理します。[2]
よくある質問
- 誰に向いている？
- 音声エージェントの開発者やエンジニアに向いています。[3]
- いつから使える？
- プレビュー段階のモデルとして、Google AI StudioのAPIキーを取得して利用できます。[2]
- どのように動作する？
- 音声データを直接入力・出力するSpeech-to-Speechのアーキテクチャを採用しています。[2]
このページは、サイソクが公開した3本の記事（各社の公式発表をもとに作成）から編集部がまとめています。 数字と日付は出典の記事と照合しています。料金や提供条件は変わることがあるため、最新の情報は公式発表をご確認ください。編集方針