Gemini API CLI搭配编码代理 无实体麦克风也能测试语音功能

开发者Phil Schmid在社交平台分享了一套无需实体麦克风，就能测试应用语音、音频多模态功能的实操方法。他提出可以将Gemini API CLI与编码代理结合，完成全流程的语音功能验证。

具体操作分为四步：第一步，用Gemini API CLI生成语音WAV测试文件；第二步，启动Chrome时添加参数--use-file-for-fake-audio-capture=voice.wav%noloop，指定虚拟音频输入源；第三步，通过Playwright或browser-use这类浏览器自动化工具点击页面上的麦克风按钮，让getUserMedia接口从0秒开始读取指定的WAV文件；第四步，在页面DOM中验证转录结果和界面状态是否符合预期。

他还给出了可直接复用的提示词模板，编码代理可以按照模板自动完成全流程操作：先安装gemini-api-cli技能，再定位应用中麦克风捕获的触发逻辑，用gemini-api tts生成语音测试文件，启动带虚拟媒体流参数的无头Chrome，自动点击麦克风按钮触发音频流，最后验证功能是否正常运行。

这套方案不需要额外的硬件设备，就能完成语音类功能的端到端测试，适合开发调试阶段快速验证多模态交互效果。