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

导读

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。