本文档介绍了如何在 Gemini Live API 中配置合成语音响应和语音活动检测。您可以配置各种高清语音和语言的响应，还可以配置语音活动检测设置，以允许用户中断模型。
设置语言和语音
像 gemini-live-2.5-flash-native-audio 这样的原生音频模型可以在对话期间自然地切换语言。您还可以通过在系统指令中指定语言来限制模型所说的语言。
对于非原生音频模型（如 gemini-live-2.5-flash），您可以在 speech_config.language_code 中配置语言。
对于所有模型，语音都在 voice_name 字段中配置。
以下代码示例展示了如何配置语言和语音。
from google.genai.types import LiveConnectConfig, SpeechConfig, VoiceConfig, PrebuiltVoiceConfig config = LiveConnectConfig( response_modalities=["AUDIO"], speech_config=SpeechConfig( voice_config=VoiceConfig( prebuilt_voice_config=PrebuiltVoiceConfig( voice_name=voice_name, ) ), language_code="en-US", ), )
支持的语音
Gemini Live API 在 voice_name 字段中支持以下 30 个语音选项：
|
Zephyr -- Bright Kore -- Firm Orus -- Firm Autonoe -- Bright Umbriel -- Easy-going Erinome -- Clear Laomedeia -- Upbeat Schedar -- Even Achird -- Friendly Sadachbia -- Lively |
Puck -- Upbeat Fenrir -- Excitable Aoede -- Breezy Enceladus -- Breathy Algieba -- Smooth Algenib -- Gravelly Achernar -- Soft Gacrux -- Mature Zubenelgenubi -- Casual Sadaltager -- Knowledgeable |
Charon -- Informative Leda -- Youthful Callirrhoe -- Easy-going Iapetus -- Clear Despina -- Smooth Rasalgethi -- Informative Alnilam -- Firm Pulcherrima -- Forward Vindemiatrix -- Gentle Sulafat -- Warm |
支持的语言
Gemini Live API 支持以下语言：
| 语言 | BCP-47 代码 |
|---|---|
| 阿拉伯语（埃及语） | ar-EG |
| 孟加拉语（孟加拉） | bn-BD |
| 荷兰语（荷兰） | nl-NL |
| 英语（印度） | en-IN 和 hi-IN 捆绑包 |
| 英语（美国） | en-US |
| 法语（法国） | fr-FR |
| 德语（德国） | de-DE |
| 印地语（印度） | hi-IN |
| 印度尼西亚语（印度尼西亚） | id-ID |
| 意大利语（意大利） | it-IT |
| 日语（日本） | ja-JP |
| 韩语（韩国） | ko-KR |
| 马拉地语（印度） | mr-IN |
| 波兰语（波兰） | pl-PL |
| 葡萄牙语（巴西） | pt-BR |
| 罗马尼亚语（罗马尼亚） | ro-RO |
| 俄语（俄罗斯） | ru-RU |
| 西班牙语（美国） | es-US |
| 泰米尔语（印度） | ta-IN |
| 泰卢固语（印度） | te-IN |
| 泰语（泰国） | th-TH |
| 土耳其语（土耳其） | tr-TR |
| 乌克兰语（乌克兰） | uk-UA |
| 越南语（越南） | vi-VN |
配置语音活动检测
语音活动检测 (VAD) 可让模型识别用户何时在说话。这对于创建自然对话至关重要，因为这使用户可以随时中断模型。
当 VAD 检测到中断时，系统会取消并舍弃正在进行的生成操作。会话历史记录中仅保留已发送给客户端的信息。服务器随后会发送一条 BidiGenerateContentServerContent 消息来报告中断情况。然后，服务器会舍弃所有待处理的函数调用，并发送一条
BidiGenerateContentServerContent 消息，其中包含已取消调用的 ID。
Python
config = { "response_modalities": ["audio"], "realtime_input_config": { "automatic_activity_detection": { "disabled": False, # default "start_of_speech_sensitivity": "low", "end_of_speech_sensitivity": "low", "prefix_padding_ms": 20, "silence_duration_ms": 100, } } }