gemini-live-api-dev：Gemini Live API 实时流式开发指南
gemini-live-api-dev 是 Google Gemini 官方 gemini-skills 仓库中的开发 Skill，面向通过 WebSocket 构建 Gemini Live API 实时双向音视频/文本流式应用，并支持从 2.0/2.5/3.1 Live 迁移到 Gemini 3.8。内容覆盖 VAD、extended thinking、异步函数调用、会话管理与 ephemeral tokens，以及 google-genai 与 @google/genai（>=2.3.0）的建连与送流示例。安装可用 npx skills add。适合实时语音助手、多模态 Live 会话与浏览器安全鉴权场景。
阅读全文dsh-voice-live：DeepSeek Harness 实时双工语音插件
`dsh-voice-live` 是为 DeepSeek Harness 提供实时双工语音能力的插件，旨在简化开发者接入实时语音对话的流程。该插件集成了火山引擎的流式 ASR 和 TTS，支持麦克风采集、实时字幕、打断交互及自动静音提交等功能。 目前插件尚未通过 npm 正式发布，需在 GitHub 仓库的 Monorepo 中构建运行。由于依赖缺失和浏览器限制，唤醒词功能仅限 Safari，且受限于 Chrome 的回声消除 Bug。开发者可参考源码在 Monorepo 中集成使用。
阅读全文DeepSeek Harness 实时语音插件 (dsh-realtime-voice)
DeepSeek Harness 插件 `dsh-realtime-voice` 实现了浏览器音频与 LLM 的实时语音交互。该插件支持阿里云百炼与 OpenAI 双线路，通过同源 WebSocket 代理实现语音转文字（ASR）和文字转语音（TTS），具备音频流式播放及候选插话复核机制。安装后需在 Harness 中配置相应 API Key 即可使用。注意事项包括桌面版 Electron 的麦克风权限限制、严格的同源安全策略以及声纹功能仅用于抑制背景语音。
阅读全文