Starting November 2, 2026, Firebase App Check enforcement will be required to use Firebase AI Logic. Learn more.

Model updates:

The latest Gemini models, like Gemini 3.8 Flash, are available to use with Firebase AI Logic! Learn more.
Gemini 2.5 models will shut down in October 2026. To avoid service disruptions, update to a newer model (like gemini-3.8-flash or gemini-3.1-flash-image). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

Google ใช้เทคโนโลยี AI เพื่อแปลเนื้อหาเป็นภาษาที่คุณต้องการ การแปลโดย AI อาจมีข้อผิดพลาด

สร้างเสียงโดยใช้ Gemini API

คุณสร้างเสียงประเภทต่อไปนี้ได้

สร้างคำพูดจากอินพุตข้อความ โดยใช้โมเดลการอ่านออกเสียงข้อความ (TTS) Gemini
สร้างเอาต์พุตเสียง แบบสตรีมสองทิศทาง โดยใช้ Gemini Live API

การเปรียบเทียบระหว่าง TTS กับ Live API

ทั้งโมเดลการอ่านออกเสียงข้อความ (TTS) และ Live API โมเดลเป็นโมเดลสร้างคำพูดที่มีเวลาในการตอบสนองต่ำ ซึ่งกำหนดค่าให้ใช้เสียงในการตอบสนองที่แตกต่างกันได้ และภาษา อย่างไรก็ตาม โมเดลทั้งสองนี้เหมาะกับกรณีการใช้งานที่แตกต่างกันมาก

การสร้างการอ่านออกเสียงข้อความ (TTS) เป็นการโต้ตอบแบบคำขอ-การตอบสนอง ทิศทางเดียว (ข้อความเข้า เสียงออก) เหมาะสำหรับสถานการณ์ที่ต้อง อ่านออกเสียง ข้อความที่ให้มาอย่างถูกต้องแม่นยำ พร้อมการควบคุมสไตล์และเสียงอย่างละเอียด เช่น การบรรยายพอดแคสต์ หนังสือเสียง หรือการอ่านบทความออกเสียง
Live API การสร้าง รองรับ สองทิศทาง การสตรีมสำหรับ การสนทนาด้วยเสียงแบบเรียลไทม์ (เสียงเข้า, เสียงออก) เหมาะอย่างยิ่งสำหรับบริบทการสนทนาแบบไดนามิกที่โมเดลจะตัดสินใจเลือกคำพูดที่เหมาะสมเพื่อส่งกลับ โปรดทราบว่าโมเดล Live API ล่าสุดยังรองรับอินพุตวิดีโอและรูปภาพด้วย