AI Voice Bridge

Um gateway de voz modular e de baixa latência que conecta áudio em tempo real entre clientes e a API Gemini Live do Google.

Funcionalidades

• 🎙️ Streaming de voz em tempo real via WebSocket
• 🔄 Dois modos de conexão: On-Demand (walkie-talkie) ou Always-On (persistente)
• 📝 Legendas automáticas das respostas da IA
• 🔌 Agnóstico de cliente - funciona com qualquer cliente WebSocket (Unreal, Unity, Web, etc.)
• ⚡ Baixa latência - streaming de áudio direto, sem processamento intermediário

Início Rápido

1. Instalar

# Clone e configure
git clone https://github.com/your-username/ai-voice-bridge.git
cd ai-voice-bridge

# Crie o ambiente virtual
python -m venv .venv
.\.venv\Scripts\Activate.ps1  # Windows
# source .venv/bin/activate   # Linux/Mac

# Instale
pip install -e .

2. Configurar

cp .env.example .env
# Edite .env e adicione sua GOOGLE_API_KEY

3. Executar

python -m ai_voice_bridge

Configuração

Variável	Padrão	Descrição
GOOGLE_API_KEY	obrigatório	Sua chave da API Gemini
CONNECTION_MODE	ON_DEMAND	ON_DEMAND ou ALWAYS_ON
GEMINI_MODEL	gemini-2.0-flash-exp	Modelo Gemini a usar
GEMINI_VOICE	Aoede	Voz para respostas da IA
WS_PORT	8765	Porta do servidor WebSocket

Protocolo WebSocket

Cliente → Bridge

{"type": "start_talking"}
{"type": "stop_talking"}
// Frames binários: PCM 16-bit, 16kHz, Mono

Bridge → Cliente

{"type": "connected"}
{"type": "ready"}
{"type": "speaking", "value": true}
{"type": "subtitle", "text": "Olá!"}
{"type": "turn_complete"}
// Frames binários: PCM 16-bit, 24kHz, Mono

Arquitetura

┌─────────────┐     WebSocket     ┌─────────────┐     WebSocket     ┌─────────────┐
│   Cliente   │◄────────────────►│ VoiceBridge │◄──────────────────►│ Gemini Live │
│  (Unreal)   │  áudio + controle │  (Python)   │   áudio + eventos  │     API     │
└─────────────┘                   └─────────────┘                    └─────────────┘

Créditos

Este projeto foi inspirado e construído com base em ideias de:

• Jordan Gibbs e o projeto Hypercheap - cujo trabalho em streaming de voz com IA em tempo real forneceu insights valiosos para esta implementação.

Licença

MIT