谷歌昨日在发布 Gemini 2.0 的同时，还发布了全新的多模态直播API，该 API 实现了低延迟、双向的文本、音频和交互，以音频和文本形式输出，带来更自然流畅、如同人类对话般的交互体验。用户可以随时打断模型，并通过共享摄像头输入或屏幕录像与其进行互动，就内容提问。

　　该模型的理解功能扩展了通信模式，用户能够使用摄像头实时拍摄或共享桌面并提出相关问题。该 API 已经向开发者开放，同时也向用户提供了一个多模态实时助手的演示应用。附上演示如下：

　　该 API 支持集成多种工具，开发者只需一次 API 调用，即可完成复杂的用例。