什么是Gemini Live Phone
Gemini Live Phone Bridge 是一款专为实时语音 AI 对话设计的开源桥接工具，其核心功能是将传统电话通话无缝接入 Google Gemini Live API，实现基于原生音频能力的智能语音交互。该工具通过 Twilio 平台桥接用户来电与云端 AI 服务，无需依赖额外的语音识别（STT）或语音合成（TTS）中间件，直接利用 Gemini 原生支持的高保真音频流处理能力。系统架构上采用 μ-law 编码的 8kHz 电话音频经 WebSocket 传输至桥接服务，再转换为 24kHz PCM 格式后转发给 Gemini Live API，形成端到端的低延迟语音链路。部署方式灵活，既可通过命令行参数配置，也支持环境变量设置，便于集成到各类语音应用系统中。
核心功能特点
- 直接对接 Google Gemini Live API，无需 STT/TTS 转换层，降低系统复杂度与延迟
- 内置服务器端语音活动检测（VAD），自动识别用户说话与静默时段，提升交互自然度
- 支持回声消除技术，在双工通话中有效抑制 AI 响应被麦克风拾取造成的反馈噪音
- 提供完整的 Twilio 集成方案，包括入站/出站呼叫处理、TwiML 生成与状态回调机制
- 可自定义 AI 人格设定（system prompt）与音色选择（如 Kore、Charon 等八种预设声音）
- 具备健康检查接口与活跃通话监控能力，便于运维管理与故障排查
适用场景
Gemini Live Phone Bridge 特别适用于需要构建智能客服、远程协助或交互式语音应答系统的企业场景。例如，电商平台可利用该工具搭建全天候语音客服中心，让顾客通过普通座机或手机直接与 AI 助手对话，咨询订单状态或退换货政策，显著降低人工坐席成本。教育行业也可将其用于语言学习应用，学生拨打指定号码即可与具备特定教学风格的 AI 导师进行口语练习，获得即时反馈与纠正。此外，医疗健康领域的服务热线、政府机构的便民咨询电话等高频次语音交互场景，都能借助此工具快速部署具备自然对话能力的虚拟代理，提升服务效率与用户体验。由于系统对网络延迟敏感且需公网可达，建议配合 Caddy 等反向代理工具部署于云服务器或边缘节点，确保稳定连接与低抖动传输。