Gemini Voices API

Opcjonalnie: Określa, czy utworzony głos jest przechowywany i zarządzany przez Google. * Gdy wartość to „true”, Google przechowuje głos i zwraca wartość `Voice.id` (np. `voice_abc123def456`), którą można zarządzać za pomocą funkcji `GetVoice`, `ListVoices` i `DeleteVoice` oraz do której można się odwoływać w żądaniach syntezy za pomocą identyfikatora. Przechowywane głosy wygasają po roku braku aktywności. Użycie przechowywanego głosu w syntezie mowy lub jako `base_voice` w `CreateVoice` przedłuża jego `expire_time`. Projekty podlegają maksymalnemu limitowi aktywnych przechowywanych głosów. Przekroczenie limitu powoduje zwrócenie błędu `RESOURCE_EXHAUSTED`. * Gdy wartość to „false” (domyślnie), głos nie jest przechowywany przez Google, a w przypadku przechowywania i syntezy po stronie klienta zwracany jest element `Voice.key` (np. `voicekey_...`). Opcjonalne pola metadanych wykrywania w przypadku parametru „voice” nie są zapisywane ani zwracane, gdy parametr „store” ma wartość „false”. * Musi mieć wartość „true”, gdy parametr „voice.type” ma wartość „prompted” (w przeciwnym razie zwracany jest błąd „INVALID_ARGUMENT”).

Wymagane. Głos do utworzenia. Parametr `voice.model` jest opcjonalny. Jeśli go pominiesz, usługa wybierze domyślny model tworzenia głosu. Pola tylko do odczytu w obiekcie `Voice` (`id`, `key`, `expire_time`, `usage`) są ignorowane, jeśli są ustawione.

Opcjonalnie: Opis akcentu regionalnego (np. „amerykański”, „brytyjski”).

Opcjonalnie: Optymalny kontekst lub domena użycia (np. „Konwersacyjny”, „Audiobook”, „Wiadomości”).

Opcjonalnie: Opis barwy głosu, osobowości i tonu.

Opcjonalnie: Wyświetlana nazwa podana przez użytkownika dla zapisanego głosu (`store = true`) lub nazwa katalogu dla gotowego głosu.

Tylko dane wyjściowe. Sygnatura czasowa, po której wygasa niestandardowy zapisany głos (`store = true`) lub skopiowany klucz głosu (`store = false`). W przypadku niestandardowych zapisanych głosów (`store = true`) ten czas wygaśnięcia jest przedłużany, gdy głos jest używany do syntezy mowy lub jako `base_voice` w `CreateVoice`. W przypadku gotowych głosów z katalogu (`"prebuilt"`) ten parametr nie jest ustawiony, ponieważ te głosy nie wygasają.

Opcjonalnie: Prezentacja postrzeganej płci głosu (np. „kobiecy”, „męski”, „neutralny”).

Tylko dane wyjściowe. Unikalny identyfikator głosu. * W przypadku niestandardowych głosów zarządzanych przez Google (`store = true`) jest to wygenerowany identyfikator z prefiksem `voice_` (np. `voice_abc123def456`). Przekaż `voices/{id}` jako `name` w przypadku funkcji `GetVoice` i `DeleteVoice`, a `{id}` bezpośrednio do `SpeechConfig.voice_config.voice` (lub `SpeechConfig.voice`) podczas syntezy mowy. * W przypadku gotowych głosów katalogowych (wartość „prebuilt” zwracana przez `ListVoices`) jest to nazwa lektora (np. „Puck” lub „Charon”). * Nieustawione, gdy wywoływana jest funkcja `CreateVoice` z parametrem `store = false`.

Tylko dane wyjściowe. Klucz replikacji głosu zarządzany przez klienta (z prefiksem `voicekey_`). Zwracany tylko przez `CreateVoice`, gdy `type` ma wartość `"replicated"` i `store` ma wartość `false`. Przekaż ten klucz do `SpeechConfig.voice_config.voice` (lub `SpeechConfig.voice`) podczas syntezy mowy.

Opcjonalnie: Główny tag języka w standardzie BCP-47 (np. „en-US”, „fr-FR”).

Opcjonalnie: Model użyty do zaprojektowania lub skopiowania głosu. Jeśli ten parametr zostanie pominięty w przypadku wywołania funkcji `CreateVoice`, domyślnie zostanie użyty najnowszy obsługiwany model projektu głosu. Zwracany w odpowiedziach `CreateVoice`, `GetVoice` i `ListVoices` w przypadku głosów niestandardowych (`"prompted"` i `"replicated"`); nieustawiony w przypadku głosów `"prebuilt"`. Utworzone głosy można syntetyzować w dowolnym obsługiwanym modelu syntezy mowy.

Opcjonalnie: Docelowa persona lub archetyp postaci (np. „ciepła, przyjazna”, „narrator”).

Opcjonalnie: Kod regionu geograficznego w formacie ISO 3166-1 alfa-2 lub UN M.49 (np. „US”, „GB”, „001”).

Opcjonalnie: Filtruj według opisu akcentu (np. „amerykański”, „brytyjski”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podasz kilka wartości, dopasuje głosy z dowolnym z określonych akcentów (OR).

Opcjonalnie: Filtruj według zamierzonego kontekstu lub domeny (np. „Wiadomości, komercyjne”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podasz kilka wartości, funkcja dopasuje głosy do dowolnego z określonych kontekstów (OR).

Opcjonalnie: Filtruj według prezentacji płciowej (np. „kobieta”, „mężczyzna”, „neutralna”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podano wiele wartości, funkcja dopasowuje głosy o dowolnej z określonych płci (OR).

Opcjonalnie: Filtruj według kodu języka w standardzie BCP-47 (np. „en-US”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podasz kilka wartości, funkcja dopasuje głosy z dowolnym z określonych kodów języka (OR).

Opcjonalnie: Maksymalna liczba głosów do zwrócenia na stronie. Usługa może zwrócić mniej niż ta wartość. Jeśli nie określono inaczej, zwracanych jest maksymalnie 50 głosów. Maksymalna wartość to 1000. Wartości powyżej 1000 są zaokrąglane do 1000.

Opcjonalnie: Token strony otrzymany z poprzedniego wywołania `ListVoices`. Podaj ten token, aby pobrać kolejną stronę. Podczas stronicowania wszystkie parametry zapytania filtra (`language_code`, `region_code`, `accent`, `persona`, `context`, `gender`, `pitch`, `type` i `search`) muszą być zgodne z wywołaniem, które zwróciło ten token. W przeciwnym razie żądanie zakończy się niepowodzeniem z powodu błędu `INVALID_ARGUMENT`. Wartość `page_size` może się zmieniać między stronami.

Opcjonalnie: Filtruj według charakteru głosu (np. „Ciepły, przyjazny”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podasz kilka wartości, dopasuje głosy do dowolnej z określonych person (OR).

Opcjonalnie: Filtruj według wysokości głosu. Akceptuje wartości `"low"`, `"medium"`, `"high"` (bez rozróżniania wielkości liter). Jeśli podasz kilka wartości, funkcja dopasuje głosy o dowolnej z określonych wysokości (OR).

Opcjonalnie: Filtruj według kodu regionu ISO 3166-1 alfa-2 lub UN M.49 (np. „US”, „001”). Dopasowanie ścisłe bez rozróżniania wielkości liter. Jeśli podasz kilka wartości, funkcja dopasuje głosy z dowolnym z określonych kodów regionów (OR).

Opcjonalnie: Zapytanie wyszukiwania podciągu w formie tekstu dowolnego, które jest dopasowywane bez uwzględniania wielkości liter do pól `display_name` i `description`. Maksymalnie 2048 bajtów.

Opcjonalnie: Filtruj według typu głosu. Akceptuje wartości `"prebuilt"`, `"replicated"`, `"prompted"` (bez rozróżniania wielkości liter). Jeśli podasz kilka wartości, funkcja dopasuje głosy do dowolnego z określonych typów (OR).

Token, który można wysłać jako „page_token”, aby pobrać następną stronę. Jeśli to pole jest puste, nie ma kolejnych stron.

Głosy z określonej kolekcji.

Wymagane. Nazwa zasobu niestandardowego zapisanego głosu do pobrania (np. `voices/voice_abc123def456`).

Opcjonalnie: Opis akcentu regionalnego (np. „amerykański”, „brytyjski”).

Opcjonalnie: Optymalny kontekst lub domena użycia (np. „Konwersacyjny”, „Audiobook”, „Wiadomości”).

Opcjonalnie: Opis barwy głosu, osobowości i tonu.

Opcjonalnie: Wyświetlana nazwa podana przez użytkownika dla zapisanego głosu (`store = true`) lub nazwa katalogu dla gotowego głosu.

Tylko dane wyjściowe. Sygnatura czasowa, po której wygasa niestandardowy zapisany głos (`store = true`) lub skopiowany klucz głosu (`store = false`). W przypadku niestandardowych zapisanych głosów (`store = true`) ten czas wygaśnięcia jest przedłużany, gdy głos jest używany do syntezy mowy lub jako `base_voice` w `CreateVoice`. W przypadku gotowych głosów z katalogu (`"prebuilt"`) ten parametr nie jest ustawiony, ponieważ te głosy nie wygasają.

Opcjonalnie: Prezentacja postrzeganej płci głosu (np. „kobiecy”, „męski”, „neutralny”).

Tylko dane wyjściowe. Unikalny identyfikator głosu. * W przypadku niestandardowych głosów zarządzanych przez Google (`store = true`) jest to wygenerowany identyfikator z prefiksem `voice_` (np. `voice_abc123def456`). Przekaż `voices/{id}` jako `name` w przypadku funkcji `GetVoice` i `DeleteVoice`, a `{id}` bezpośrednio do `SpeechConfig.voice_config.voice` (lub `SpeechConfig.voice`) podczas syntezy mowy. * W przypadku gotowych głosów katalogowych (wartość „prebuilt” zwracana przez `ListVoices`) jest to nazwa lektora (np. „Puck” lub „Charon”). * Nieustawione, gdy wywoływana jest funkcja `CreateVoice` z parametrem `store = false`.

Tylko dane wyjściowe. Klucz replikacji głosu zarządzany przez klienta (z prefiksem `voicekey_`). Zwracany tylko przez `CreateVoice`, gdy `type` ma wartość `"replicated"` i `store` ma wartość `false`. Przekaż ten klucz do `SpeechConfig.voice_config.voice` (lub `SpeechConfig.voice`) podczas syntezy mowy.

Opcjonalnie: Główny tag języka w standardzie BCP-47 (np. „en-US”, „fr-FR”).

Opcjonalnie: Model użyty do zaprojektowania lub skopiowania głosu. Jeśli ten parametr zostanie pominięty w przypadku wywołania funkcji `CreateVoice`, domyślnie zostanie użyty najnowszy obsługiwany model projektu głosu. Zwracany w odpowiedziach `CreateVoice`, `GetVoice` i `ListVoices` w przypadku głosów niestandardowych (`"prompted"` i `"replicated"`); nieustawiony w przypadku głosów `"prebuilt"`. Utworzone głosy można syntetyzować w dowolnym obsługiwanym modelu syntezy mowy.

Opcjonalnie: Docelowa persona lub archetyp postaci (np. „ciepła, przyjazna”, „narrator”).

Opcjonalnie: Kod regionu geograficznego w formacie ISO 3166-1 alfa-2 lub UN M.49 (np. „US”, „GB”, „001”).

Wymagane. Nazwa zasobu niestandardowego zapisanego głosu do usunięcia (np. `voices/voice_abc123def456`).