AI圈报教程 / 实战普通
Philipp Schmid 演示如何用 Gemini API CLI 配合编码 Agent 测试语音等多模态功能
原始标题：Did you know you can use the Gemini API CLI together with your coding agent to test multimodal features like voice and audio? Here is how...
内容摘要
Philipp Schmid 分享用 Gemini API CLI 配合编码 Agent 测试语音、音频等多模态功能的方法。步骤为：用 Gemini API CLI 生成语音，通过 Chrome 的 --use-file-for-fake-audio-capture=voice.wav%noloop 参数注入音频，用 Playwright 或 browser-use 点击麦克风按钮让 getUserMedia 从 0.0s 读取 WAV，最后在 DOM 中校验转录和 UI 状态，Prompt 见原文。
内容分类AI 教程与实战
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Philipp Schmid（Google DeepMind 开发者体验） (@_philschmid)
站内情报编号intel-cae781bb559182d4c13adc4d