Gemini API का इस्तेमाल करके ऑडियो जनरेट करना

इस तरह का ऑडियो जनरेट किया जा सकता है:

Live API और टीटीएस के बीच तुलना

लिखे गए शब्दों को सुनने की सुविधा (टीटीएस) और Live API मॉडल, दोनों ही कम इंतज़ार के समय वाले मॉडल हैं. ये मॉडल, बोली जनरेट करते हैं. इन्हें अलग-अलग आवाज़ों और भाषाओं में जवाब देने के लिए कॉन्फ़िगर किया जा सकता है. हालांकि, दोनों का इस्तेमाल अलग-अलग कामों के लिए किया जाता है.

  • लिखे गए शब्दों को सुनने की सुविधा (टीटीएस), एकतरफ़ा, अनुरोध-जवाब इंटरैक्शन (टेक्स्ट इन, ऑडियो आउट) है. इसे ऐसे कामों के लिए डिज़ाइन किया गया है जिनमें दिए गए टेक्स्ट को हूबहू पढ़कर सुनाने की ज़रूरत होती है. साथ ही, इसमें स्टाइल और आवाज़ को बारीकी से कंट्रोल किया जा सकता है. जैसे, पॉडकास्ट में कहानी सुनाना, ऑडियो बुक बनाना या लेखों को तेज़ आवाज़ में पढ़कर सुनाना.

  • Live API जनरेशन में रीयल-टाइम में बोलकर बातचीत करने (बोलकर सवाल पूछना और बोलकर जवाब पाना) के लिए, दोनों तरफ़ से स्ट्रीमिंग की सुविधा उपलब्ध है. यह डाइनैमिक बातचीत के कॉन्टेक्स्ट में बेहतरीन तरीके से काम करता है. इसमें मॉडल यह तय करता है कि किस तरह की स्पीच का इस्तेमाल करना है. ध्यान दें कि Live API के नए मॉडल, वीडियो और इमेज इनपुट के साथ भी काम करते हैं.