Gemini 音频生成

使用 Gemini 原生 generateContent 格式生成语音音频。

身份认证

所有模型调用都需要在请求头中携带 Bearer API Key。

Authorization: Bearer YOUR_API_KEY

参数

路径参数

model

必填

路径参数

string

模型名称。

请求体

contents

必填

请求体

array<object>

输入内容数组。

generationConfig

必填

请求体

object

生成配置，包含 responseModalities 和 speechConfig。

请求示例

application/json

{
  "contents": [
    {
      "role": "user",
      "parts": [{ "text": "请用自然语气朗读这句话。" }]
    }
  ],
  "generationConfig": {
    "responseModalities": ["AUDIO"],
    "speechConfig": {
      "voiceConfig": {
        "prebuiltVoiceConfig": { "voiceName": "Kore" }
      }
    }
  }
}

响应示例

200

application/json

Gemini 内容响应，音频数据在 parts 中返回。

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          { "text": "Generated content" }
        ]
      },
      "finishReason": "STOP",
      "safetyRatings": []
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 12,
    "candidatesTokenCount": 20,
    "totalTokenCount": 32
  }
}