Gemini Live API 是 Google 正式发布的实时对话 API，基于 Gemini 2.5 Flash Native Audio 模型，通过单一 WebSocket 连接提供低延迟的多模态对话能力。 核心创新为原生音频处理架构：摒弃传统的 STT（语音转文字）→ LLM（大模型）→ TTS（文字转语音）三段式流水线，改用统一的低延迟原生音频模型，直接处理音频流，大幅降低响应延迟。