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 3.7 Flash, are available to use with Firebase AI Logic! Learn more.
All Imagen models will shut down as early as August 17, 2026. Learn about migrating your apps to use Nano Banana.
Gemini 2.5 models will shut down in October 2026. To avoid service disruptions, update to a newer model (like gemini-3.7-flash or gemini-3.1-flash-image). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

使用 Gemini API 生成音频

您可以生成以下类型的音频：

使用 Gemini 文字转语音 (TTS) 模型根据文本输入生成语音。
使用 Gemini Live API生成双向流式传输音频输出。

TTS 与 Live API 之间的比较

文字转语音 (TTS) 模型和 Live API 模型都是低延迟的语音生成模型，可以配置为使用不同的回答声音和语言。不过，它们的应用场景截然不同。

文字转语音 (TTS) 生成是一种单向的请求-响应交互（输入文字，输出音频）。它专为需要准确朗读所提供文本并对风格和声音进行精细控制的场景而量身打造，例如播客旁白、有声读物或朗读文章。
Live API 生成支持双向流式传输，可进行实时语音对话（语音输入、语音输出）。它擅长处理动态对话上下文，在这种情况下，模型会决定要返回的适用语音。请注意，最新的 Live API 模型还支持视频和图片输入。

如未另行说明，那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可，并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情，请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。

最后更新时间 (UTC)：2026-08-23。