J'ai changé d'avis sur les conversations à voix haute avec des robots. Ils sont devenus moins stupides, plus rapides (faible latence) et sont en fait très utiles pour la productivité au quotidien.

Nous savons tous comment interagir avec un LLM en envoyant un prompt en entrée et en recevant du texte et des images en sortie. Mais dans une session vocale live, où se termine le prompt et où commence la réponse ? Comment pouvons-nous maîtriser le flux pour agir ? Utilisons la fonctionnalité Multimodal Live du SDK Gemini Go pour créer une application.

Valentin est ingénieur à Google Cloud. Il s'intéresse à la performance, aux algorithmes, aux serveurs web, aux BDD, UX, DX, et au langage Go!