Как создать голосового ассистента через Gemini Live API и не раскрыть API-ключ

## Что означает каждая важная часть

- Live API поддерживает текст, аудио и изображения; непрерывное видео представляется кадрами JPEG с ограниченной частотой, указанной в документации.
- Barge-in позволяет пользователю перебить ассистента: клиент прекращает воспроизведение старого аудио и передаёт новую речь.
- Транскрипции входа и выхода полезны для субтитров и проверки, но требуют отдельной политики хранения.
- Server-to-server проще контролировать, client-to-server обычно уменьшает задержку; для прямого клиента Google рекомендует ephemeral tokens.

## Порядок внедрения

1. На backend аутентифицируйте пользователя и выдавайте ограниченный ephemeral token.
2. В клиенте захватите микрофон, приведите поток к mono PCM16 16 кГц и отправляйте небольшими чанками.
3. Разбирайте события WebSocket по типу; не смешивайте аудио, транскрипцию и tool calls.
4. При barge-in очищайте буфер ещё не проигранного ответа.
5. Добавьте таймаут тишины, явный индикатор записи и кнопку немедленного отключения микрофона.

## Как проверить результат

Измерьте четыре значения: время подключения, задержку до первого аудиочанка, число обрывов и время остановки звука после barge-in. Запишите тестовую фразу с числами и сравните входную транскрипцию с оригиналом. Проверьте, что постоянного ключа нет в исходниках и сетевых запросах клиента.

## Ограничения

Live API находится в Preview, поэтому модели и протокол могут меняться. Аудиоформат нельзя определять «на слух»: неверная частота приводит к ускоренному, замедленному или искажённому звуку. Для звонков и записи голоса учитывайте согласие пользователя и местное право.

## Чего не делать