Progettazione vocale

La progettazione della voce ti consente di creare una nuova persona vocale persistente a partire da una descrizione in linguaggio naturale utilizzando l'endpoint Voci dell'API Gemini (POST /v1beta/voices). Invece di essere limitato a voci predefinite o alla registrazione di audio di riferimento, puoi descrivere l'età, il timbro vocale, l'accento e la dizione di base di un personaggio e ricevere un ID voice_... riutilizzabile salvato nel tuo progetto.

Il modo più rapido per progettare, testare e perfezionare voci personalizzate è utilizzare lo studio interattivo Voice Design in Google AI Studio. Puoi generare persona personalizzate da prompt di testo, testarle con script di esempio e copiare l'ID voice_... risultante direttamente nel codice dell'applicazione.

Sia Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) sia Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) supportano la progettazione vocale.

Creare una voce progettata

Utilizza l'SDK Google GenAI (google-genai 2.25.0+ / @google/genai 2.24.0+) o l'API REST per creare una voce personalizzata da una descrizione testuale. Per le voci "prompted", sia voices.create (CreateVoice) che voices.get (GetVoice) restituiscono un campo sample_audio di solo output (mime_type: "audio/wav", data codificato in base64) in modo da poter ascoltare immediatamente la voce generata:

Python

import base64
from google import genai

client = genai.Client()

# 1. Design a custom voice persona from natural language
created_voice = client.voices.create(
    store=True,
    voice={
        "model": "gemini-3.8-flash-tts",
        "type": "prompted",
        "display_name": "Warm British Astronomer",
        "gender": "male",
        "language_code": "en-GB",
        "prompted": {
            "input": (
                "A warm, thoughtful astronomer in his late 60s with a gentle"
                " British accent, speaking with quiet wonder."
            )
        },
    },
)

print(f"Created voice ID: {created_voice.id}")

# Save the generated sample_audio preview (audio/wav) returned by CreateVoice
if created_voice.sample_audio and created_voice.sample_audio.data:
    with open("voice_preview.wav", "wb") as f:
        f.write(base64.b64decode(created_voice.sample_audio.data))

JavaScript

import * as fs from "node:fs";
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI();

// 1. Design a custom voice persona from natural language
const createdVoice = await ai.voices.create({
  store: true,
  voice: {
    model: "gemini-3.8-flash-tts",
    type: "prompted",
    display_name: "Warm British Astronomer",
    gender: "male",
    language_code: "en-GB",
    prompted: {
      input:
        "A warm, thoughtful astronomer in his late 60s with a gentle British accent, speaking with quiet wonder.",
    },
  },
});

console.log(`Created voice ID: ${createdVoice.id}`);

// Save the generated sample_audio preview (audio/wav) returned by CreateVoice
if (createdVoice.sample_audio?.data) {
  fs.writeFileSync(
    "voice_preview.wav",
    Buffer.from(createdVoice.sample_audio.data, "base64")
  );
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/voices" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "store": true,
    "voice": {
      "model": "gemini-3.8-flash-tts",
      "type": "prompted",
      "display_name": "Warm British Astronomer",
      "gender": "male",
      "language_code": "en-GB",
      "prompted": {
        "input": "A warm, thoughtful astronomer in his late 60s with a gentle British accent, speaking with quiet wonder."
      }
    }
  }' | tee created_voice.json | jq -r '.sample_audio.data' | base64 --decode > voice_preview.wav

Come funziona la progettazione vocale

  1. Crea un prompt vocale: chiama voices.create (POST /v1beta/voices) con type="prompted" e store=True.
  2. Ricevi un voice_id e un'anteprima sample_audio permanenti:l'API genera l'identità vocale, la memorizza nel tuo progetto e restituisce un ID permanente (ad esempio voice_abc123...) insieme a sample_audio (mime_type: "audio/wav", data codificato in base64) contenente l'audio di anteprima generato per la voce.
  3. Sintetizza il parlato:passa voice_id in speechConfig.voiceConfig.voice quando chiami generateContent.

Sintetizzare il parlato con la voce che hai progettato

Passa il valore id (voice_...) restituito in voiceConfig.voice quando chiami generateContent:

Python

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.8-flash-tts",
    contents=[{
        "role": "user",
        "parts": [{
            "text": (
                "Look out past the rings of Saturn. Those faint photons left"
                " their source millions of years ago."
            ),
            "speech_metadata": {"style": "reflective and awe-inspired"},
        }],
    }],
    config={
        "response_modalities": ["AUDIO"],
        "speech_config": {
            "voice_config": {"voice": created_voice.id}
        },
    },
)

audio_bytes = response.candidates[0].content.parts[0].inline_data.data
with open("designed_voice.wav", "wb") as f:
    f.write(audio_bytes)

JavaScript

import * as fs from "node:fs";
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI();

const response = await ai.models.generateContent({
  model: "gemini-3.8-flash-tts",
  contents: [{
    role: "user",
    parts: [{
      text: "Look out past the rings of Saturn. Those faint photons left their source millions of years ago.",
      speechMetadata: { style: "reflective and awe-inspired" },
    }],
  }],
  config: {
    responseModalities: ["AUDIO"],
    speechConfig: {
      voiceConfig: { voice: createdVoice.id },
    },
  },
});

const data = response.candidates?.[0]?.content?.parts?.[0]?.inlineData?.data;
if (data) {
  fs.writeFileSync("designed_voice.wav", Buffer.from(data, "base64"));
}

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash-tts:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{
        "text": "Look out past the rings of Saturn. Those faint photons left their source millions of years ago.",
        "speech_metadata": {
          "style": "reflective and awe-inspired"
        }
      }]
    }],
    "generationConfig": {
      "responseModalities": ["AUDIO"],
      "speechConfig": {
        "voiceConfig": {
          "voice": "voice_YOUR_DESIGNED_VOICE_ID"
        }
      }
    }
  }'

Gestire le voci

Puoi elencare, filtrare, esaminare ed eliminare le voci memorizzate in qualsiasi momento utilizzando l'API Voices (consulta Libreria di voci estesa e filtri per tutti i parametri di filtro).

  • Limiti di archiviazione e TTL:le voci con stato (store=True, condivise tra le voci richieste e replicate) hanno un limite di 200 voci per progetto e un TTL di 1 anno (durata).

  • Disponibilità di sample_audio: voices.create() (CreateVoice) e voices.get() (GetVoice) compilano sample_audio (mime_type: "audio/wav", data codificato in base64) per le voci "prompted". Per mantenere la scheda leggera, voices.list() (ListVoices) omette sample_audio (e sample_audio non è impostato per le voci "replicated" e "prebuilt").

Python

from google import genai

client = genai.Client()

# List stored prompted voices in your project filtered by language
response = client.voices.list(
    type_=["prompted"],
    language_code=["en-US", "en-GB"],
)
for voice in response.voices or []:
    print(voice.id, voice.display_name, voice.type)

# Retrieve a specific voice by ID
voice_details = client.voices.get(id=created_voice.id)

# Delete a stored custom voice
client.voices.delete(id=created_voice.id)

JavaScript

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI();

// List stored prompted voices in your project filtered by language
const response = await ai.voices.list({
  type: ["prompted"],
  language_code: ["en-US", "en-GB"],
});
for (const voice of response.voices ?? []) {
  console.log(voice.id, voice.display_name, voice.type);
}

// Retrieve a specific voice by ID
const voiceDetails = await ai.voices.get(createdVoice.id);

// Delete a stored custom voice
await ai.voices.delete(createdVoice.id);

REST

# List stored prompted voices filtered by language
curl -G "https://generativelanguage.googleapis.com/v1beta/voices" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  --data-urlencode "type=prompted" \
  --data-urlencode "language_code=en-US" \
  --data-urlencode "language_code=en-GB"

# Retrieve a specific voice by ID
curl "https://generativelanguage.googleapis.com/v1beta/voices/voice_YOUR_DESIGNED_VOICE_ID" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

# Delete a stored custom voice
curl -X DELETE "https://generativelanguage.googleapis.com/v1beta/voices/voice_YOUR_DESIGNED_VOICE_ID" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

Best practice per la creazione di prompt per la progettazione vocale

  • Inserisci le caratteristiche vocali permanenti nella progettazione della voce, non in style: definisci le caratteristiche immutabili, come età, genere, timbro, struttura vocale e accento regionale, quando crei la voce in voices.create.
  • Riserva speech_metadata.style per l'emozione situazionale:una volta creata la tua voce personalizzata, utilizza prompt brevi style (ad esempio, "whispered urgently" o "cheerful and energetic") per guidare la recitazione passo passo senza alterare l'identità principale dell'oratore.
  • Sii specifico e conciso:una descrizione chiara di 1-2 frasi (ad esempio "Una telecronista sportiva energica e frizzante sui 30 anni con un leggero accento del Midwest") produce risultati più puliti e coerenti rispetto a paragrafi contraddittori o troppo lunghi.

Passaggi successivi

  • Scopri come replicare la voce di un oratore esistente nella replica vocale.
  • Scopri lo stile a livello di turno, i tag in linea e il dialogo con più relatori nella guida Text-to-Speech.