Generare audio utilizzando l'API Gemini

Puoi generare i seguenti tipi di audio:

Confronto tra la sintesi vocale e Live API

Sia i modelli di sintesi vocale (TTS) sia i modelli Live API sono modelli a bassa latenza che generano voce e possono essere configurati per diverse voci di risposta e lingue. Tuttavia, servono casi d'uso molto diversi.

  • La generazione di sintesi vocale (TTS) è un'interazione unidirezionale di richiesta-risposta (testo in entrata, audio in uscita). È pensato per scenari che richiedono una recitazione esatta del testo fornito con un controllo granulare su stile e suono, come la narrazione di podcast, gli audiolibri o la lettura di articoli ad alta voce.

  • La generazione di Live API supporta lo streaming bidirezionale per le conversazioni vocali in tempo reale (voce in entrata, voce in uscita). È eccellente in contesti conversazionali dinamici in cui il modello decide il discorso applicabile da restituire. Tieni presente che gli ultimi modelli Live API supportano anche l'input di video e immagini.