该 API 实现了低延迟、双向的文本、音频和视频交互，还发布了全新的多模态直播（Multimodal Live）API，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。就内容提问。IT之家附上演示如下：IT之家 12 月 13 日消息，同时也向用户提供了一个多模态实时助手的演示应用。带来更自然流畅、如同人类对话般的交互体验。该 API 已经向开发者开放，该模型的视频理解功能扩展了通信模式，并通过共享摄像头输入或屏幕录像与其进行互动，以音频和文本形式输出，谷歌昨日在发布 Gemini 2.0 的同时，用户可以随时打断模型，帮助开发人员开发具有实时音频和视频流功能的应用程序。