Дизайн голоса

Функция Voice Design позволяет создать совершенно новый, постоянно используемый голосовой образ на основе описания на естественном языке с помощью конечной точки Gemini API Voices ( POST /v1beta/voices ). Вместо того чтобы ограничиваться готовыми голосами или эталонными аудиозаписями, вы можете описать возраст персонажа, тембр голоса, акцент и базовую манеру речи, и получить многократно используемый идентификатор voice_... сохраненный в вашем проекте.

Самый быстрый способ разработать, протестировать и доработать пользовательские голоса — это использовать интерактивную студию Voice Design в Google AI Studio . Вы можете создавать пользовательские персоны на основе текстовых подсказок, тестировать их с помощью примеров сценариев и копировать полученный идентификатор voice_... непосредственно в код вашего приложения.

Попробуйте в Google AI Studio

Обе системы преобразования текста в речь ( Gemini 3.8 Flash TTS , gemini-3.8-flash-tts ) и Gemini 3.8 Flash-Lite TTS ( gemini-3.8-flash-lite-tts ) поддерживают голосовой дизайн.

Создайте свой собственный стиль.

Используйте SDK Google GenAI ( google-genai 2.25.0+ / @google/genai 2.24.0+) или REST API для создания пользовательского голоса на основе текстового описания. Для голосов, "prompted" , методы voices.create ( CreateVoice ) и voices.get ( GetVoice ) возвращают поле sample_audio только для вывода ( mime_type: "audio/wav" , data в кодировке base64), поэтому вы можете сразу же прослушать сгенерированный голос:

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")
  );
}

ОТДЫХ

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

Как работает голосовой дизайн

Создайте голос с подсказками: вызовите voices.create ( POST /v1beta/voices ) с type="prompted" и store=True .
Получите постоянный voice_id и sample_audio для предварительного просмотра: API генерирует идентификатор голоса, сохраняет его в вашем проекте и возвращает постоянный ID (например, voice_abc123... ) вместе с sample_audio ( mime_type: "audio/wav" , base64-закодированные data ), содержащим сгенерированный аудиофайл для предварительного просмотра голоса.
Синтез речи: передавайте voice_id везде, где в запросах на синтез речи принимается имя голоса.

Синтезируйте речь с помощью созданного вами голоса.

После создания голоса передайте его id ( voice_... ) в API взаимодействий для генерации речи:

Python

import base64
from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash-tts",
    input=[{
        "type": "user_input",
        "content": [{
            "type": "text",
            "text": (
                "Look out past the rings of Saturn. Those faint photons left"
                " their source millions of years ago."
            ),
            "annotations": [{
                "type": "speech_metadata",
                "style": "reflective and awe-inspired",
            }],
        }],
    }],
    response_format={"type": "audio"},
    generation_config={
        "speech_config": [
            {"voice": created_voice.id},
        ]
    },
)

with open("designed_voice.wav", "wb") as f:
    f.write(base64.b64decode(interaction.output_audio.data))

JavaScript

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

const ai = new GoogleGenAI();

const interaction = await ai.interactions.create({
  model: "gemini-3.8-flash-tts",
  input: [{
    type: "user_input",
    content: [{
      type: "text",
      text: "Look out past the rings of Saturn. Those faint photons left their source millions of years ago.",
      annotations: [{
        type: "speech_metadata",
        style: "reflective and awe-inspired",
      }],
    }],
  }],
  response_format: { type: "audio" },
  generation_config: {
    speech_config: [
      { voice: createdVoice.id },
    ],
  },
});

fs.writeFileSync("designed_voice.wav", Buffer.from(interaction.output_audio.data, "base64"));

ОТДЫХ

curl "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "input": [{
      "type": "user_input",
      "content": [{
        "type": "text",
        "text": "Look out past the rings of Saturn. Those faint photons left their source millions of years ago.",
        "annotations": [{
          "type": "speech_metadata",
          "style": "reflective and awe-inspired"
        }]
      }]
    }],
    "response_format": {"type": "audio"},
    "generation_config": {
      "speech_config": [
        {"voice": "voice_YOUR_DESIGNED_VOICE_ID"}
      ]
    }
  }'

Контролируйте свой голос.

С помощью API для работы с голосами вы можете в любое время просматривать, фильтровать, проверять и удалять сохраненные голоса (см. раздел «Расширенная библиотека голосов и фильтрация» для получения информации обо всех параметрах фильтрации).

Ограничения на объем хранилища и TTL: Для голосов с сохранением состояния ( store=True , используется совместно для голосов, запрашиваемых и дублируемых) установлено ограничение в 200 голосов на проект и TTL (время жизни) в 1 год .
Доступность sample_audio : voices.create() ( CreateVoice ) и voices.get() ( GetVoice ) заполняют sample_audio ( mime_type: "audio/wav" , base64-закодированные data ) для "prompted" голосов. Чтобы упростить вывод списка, voices.list() ( ListVoices ) пропускает sample_audio (а sample_audio не устанавливается для "replicated" и "prebuilt" голосов).

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);

ОТДЫХ

# 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"

Что дальше?

Узнайте, как воспроизвести голос существующего говорящего в разделе «Воспроизведение голоса» .
Изучите стилизацию уровней реплик, встроенные теги и диалоги с участием нескольких говорящих в руководстве по преобразованию текста в речь .

Дизайн голоса

Создайте свой собственный стиль.

Python

JavaScript

ОТДЫХ

Как работает голосовой дизайн

Синтезируйте речь с помощью созданного вами голоса.

Python

JavaScript

ОТДЫХ

Контролируйте свой голос.

Python

JavaScript

ОТДЫХ

Рекомендации по внедрению передовых методов проектирования голосовых интерфейсов.

Что дальше?