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

Model updates:

Gemini 4 Argon is now available to use with Firebase AI Logic! Learn more.
Gemini 2.5 models are limited to projects that actively used them in the past. For the Agent Platform Gemini API, these models will shut down for all projects in October 2026. To avoid service disruptions, update to a newer model (like gemini-4-argon, gemini-3.8-flash, or gemini-nano-banana-2.1). 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，可以针对不同的回答语音和语言进行配置。不过，两者的应用场景大不相同。

文字转语音 (TTS) 生成是一种单向请求-响应互动（输入文本，输出音频）。它专为需要精确朗读所提供文本的场景而设计，可对风格和声音进行精细控制，例如播客解说、有声读物或朗读文章。
Live API 生成支持双向流式传输，可实现实时语音对话（语音输入、语音输出）。它在动态对话场景中表现出色，模型可以决定返回适用的语音。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)：2026-10-27。