Générer de l'audio à l'aide de l'API Gemini

Vous pouvez générer les types d'éléments audio suivants :

Comparaison entre la synthèse vocale et Live API

Les modèles de synthèse vocale (TTS) et les modèles Live API sont des modèles de génération de la parole à faible latence qui peuvent être configurés pour différentes voix et langues de réponse. Cependant, elles servent des cas d'utilisation très différents.

  • La génération de synthèse vocale est une interaction unidirectionnelle de type requête-réponse (texte en entrée, audio en sortie). Il est conçu pour les scénarios qui nécessitent une récitation exacte du texte fourni, avec un contrôle précis du style et du son, comme la narration de podcasts, les livres audio ou la lecture d'articles à voix haute.

  • La génération Live API est compatible avec le streaming bidirectionnel pour les conversations vocales en temps réel (entrée et sortie vocales). Il excelle dans les contextes conversationnels dynamiques où le modèle décide de la réponse vocale à renvoyer. Notez que les derniers modèles Live API acceptent également les entrées vidéo et image.