Membuat audio menggunakan Gemini API

Anda dapat membuat jenis audio berikut:

Perbandingan antara TTS dan Live API

Model text-to-speech (TTS) dan model Live API adalah model penghasil ucapan berlatensi rendah yang dapat dikonfigurasi untuk berbagai suara dan bahasa respons. Namun, keduanya melayani kasus penggunaan yang sangat berbeda.

  • Pembuatan text-to-speech (TTS) adalah interaksi permintaan-respons searah (input teks, output audio). Model ini disesuaikan untuk skenario yang memerlukan pembacaan persis dari teks yang disediakan dengan kontrol terperinci atas gaya dan suara, seperti narasi podcast, buku audio, atau pembacaan artikel dengan keras.

  • Live API generation mendukung streaming dua arah untuk percakapan suara real-time (input suara, output suara). Model ini unggul dalam konteks percakapan dinamis, di mana model memutuskan ucapan yang sesuai untuk ditampilkan. Perhatikan bahwa model Live API terbaru juga mendukung input video dan gambar.