我把 Gemini 2.0 实时视频语音对话功能添加到了手机 APP 中

Gemini 2.0：Google 最新的多模态大模型

Gemini 2.0 是 Google 最新的统一大模型，能够同时处理 文本、音频和视频数据，并支持 音频输出。这意味着你可以通过 摄像头和麦克风，与该模型进行 实时对话。

目前，在 GitHub 上可以找到的部署方案大多是针对 PC 端 的 Gemini 2.0 多模态实时交互，而我可能是第一个将这一功能移植到手机端的开发者。不知道是否有朋友感兴趣，想看看它在 移动设备 上的效果？

现有功能

✅ 音频交互：通过手机麦克风赋予 Gemini 2.0 听觉能力，实现 实时问答。
✅ 视觉交互：通过手机摄像头赋予 Gemini 2.0 视觉能力，进行 实时图像分析与交互。
✅ 联网与代码执行：模型支持 联网查询实时数据 及 代码执行功能，使其更加强大。
✅ 免费使用：目前该功能 完全免费，无需额外付费。

功能限制

⚠ 国内可能无法使用：由于模型依赖 Google 的服务，在中国大陆地区可能无法正常访问。
⚠ 时长限制：目前 Google 仍在测试该模型，因此对话时长受限：

• 纯音频对话 最长 15 分钟
• 音频 + 视觉交互 最长 3 分钟

这是 Google 设定的限制，非技术问题导致。

如果你对这个项目感兴趣，欢迎讨论和交流！

Android 版本： https://play.google.com/store/apps/details?id=com.keras.keras_android_chatbot

苹果版本： https://apps.apple.com/us/app/keras-chatbot-voice-assistant/id6608969280