多模态交互能力详解
Gemini Playground全面支持自然语言处理时代最前沿的多模态交互方式，主要包括：
- Textdialog：基础的问答交流模式
- Spracheingabe：通过浏览器麦克风进行语音识别
- 视觉交互：调用设备摄像头捕捉图像信息
- Bildschirmfreigabe：实时分享屏幕内容进行分析
功能启用指南
在成功部署并打开Playground界面后：
- 点击右上角的”Connect”按钮建立API连接
- 页面会自动检测可用设备，出现麦克风/摄像头权限请求弹窗时选择允许
- 对话界面会显示多媒体控制按钮（话筒图标、相机图标等）
- 首次使用建议在Chrome或Edge等现代浏览器中进行功能测试
Technisches Realisierungsprinzip
项目通过浏览器原生的WebRTC技术获取多媒体流，将其转换为base64编码后与文本指令一起发送给Gemini API处理。这种实现方式既保证了响应速度，又不需要额外的服务器中转多媒体数据。
Beispiel für Nutzungsszenarien
用户可以直接拍摄物品照片询问相关信息，或者朗读一段文字让AI分析情感倾向，甚至分享编程界面实时获取代码建议。
Diese Antwort stammt aus dem ArtikelGemini Playground: Serverlose Bereitstellung einer multimodalen Gemini-DialogseiteDie
Darf nicht ohne Genehmigung vervielfältigt werden:KI-Produktivitätswerkzeuge " Gemini Playground的多模态对话具体支持哪些交互方式？如何开启这些功能？
Deutsch 
简体中文 
English 
日本語 
Português do Brasil