שכפול קולות

אתם יכולים לשכפל את הקול, הטון, הקצב והגוון של דובר מדגימת אודיו קצרה באמצעות התכונה שכפול קול. גם Gemini 3.8 Flash TTS‏ (gemini-3.8-flash-tts) וגם Gemini 3.8 Flash-Lite TTS‏ (gemini-3.8-flash-lite-tts) תומכים ברפליקציה של קולות.

כדי לשכפל קול, שולחים אל Voices API הקלטת הפניה של הדובר (source_audio) והקלטה של אותו דובר קורא הצהרת הסכמה (consent_audio). השירות מאמת את ההסכמה ומחזיר מזהה לקול המשוכפל. לאחר מכן מעבירים את המזהה הזה בבקשות speechConfig.voiceConfig.voice ב-generateContent או ב-streamGenerateContent, בלי להעלות שוב את האודיו.

מצבי אחסון

כשיוצרים קול משוכפל, בשדה store בוחרים אחד משני מצבי אחסון:

  • קול מאוחסן (store: true): Google מאחסנת את הקול המשוכפל בפרויקט ומחזירה מזהה קול (voice_...) בשדה id. אתם יכולים להשתמש ב-Voices API כדי לראות רשימה של הקולות השמורים, לקבל אותם ולמחוק אותם.
  • מפתח לרפליקציה של קולות (store: false): Google לא שומרת את הקול המשוכפל. השירות מחזיר מפתח מוצפן לרפליקציה של קולות (voicekey_...) בשדה key, והאפליקציה שלכם מאחסנת את המפתח. כדאי להשתמש במצב הזה אם עומס העבודה שלכם מחייב ש-Google לא תשמור פרופילים של קול.
מצב אחסון מזהה ניהול תפוגה
קול שנשמר (store: true) voice_... השיטות של Voices API‏ list, get ו-delete שנה אחרי השימוש האחרון
מפתח רפליקציה של קולות (store: false) voicekey_... הנתונים מאוחסנים באפליקציה. ‫Google לא שומרת את המפתח. 7 ימים אחרי תאריך היצירה

יצירת דיבור באמצעות קול שנשמר מאפסת את תקופת השמירה של שנה אחת, כך שקול שמשתמשים בו באופן קבוע לא יפוג. בקשה שמשתמשת במפתח רפליקציה של קולות שתוקפו פג תיכשל עם השגיאה INVALID_ARGUMENT, ובקשה שמשתמשת בקול מאוחסן שנמחק או שתוקפו פג תיכשל עם השגיאה NOT_FOUND. כדי להמשיך להשתמש בקול משוכפל, צריך ליצור אותו מחדש לפני שהתוקף שלו יפוג.

לפני שמתחילים

מבצעים את השלבים שבקטע לפני שמתחילים בדף Gemini TTS. ‫Voices API זמין במיקום global דרך גרסת API‏ v1beta1.

דרישות לגבי אודיו והדרישות לקבלת הסכמה

כל בקשה ליצירת קול משוכפל צריכה לכלול שתי הקלטות של אותו דובר בוגר:

  • אודיו להשוואה (source_audio): 10 עד 30 שניות של דיבור ברור וטבעי של הדובר שאת הקול שלו רוצים לשכפל. דגימות ארוכות יותר בדרך כלל מניבות תוצאות טובות יותר.

  • אודיו של הסכמה (consent_audio): הקלטה של אותו דובר קורא את הצהרת ההסכמה מילה במילה בשפה שלו. במאמר שפות נתמכות והצהרות הסכמה מפורטות ההצהרות. באנגלית, המשפט הוא:

    "אני הבעלים של הקול הזה והסכמתי ליצירת מודל סינתטי של הקול שלי באמצעות Google Cloud".

שני ההקלטות צריכות להיות קובצי WAV עם 16-bit little-endian linear PCM, מונו, ב-24 kHz.

אם ההקלטה של ההסכמה לא תואמת להצהרת ההסכמה, או שהאודיו לא עומד בהנחיות השימוש, הבקשה create תיכשל ותוצג השגיאה INVALID_ARGUMENT עם תיאור של הבעיה.

יצירת קול משוכפל מאוחסן

מגדירים את השדות הבאים בבקשה:

  • store: true.
  • voice.type: VOICE_TYPE_REPLICATED.
  • ‫voice.display_name: אופציונלי. שם לקול.
  • ‫voice.replicated.source_audio ו-voice.replicated.consent_audio: ההפניות בקידוד Base64 והקלטות ההסכמה, כשכל אחת מהן מוגדרת עם mime_type שמוגדר ל-audio/wav.

לא להגדיר את voice.model. בקשות שמגדירות מודל יחד עם store: true נכשלות עם השגיאה INVALID_ARGUMENT.

התגובה מחזירה את מזהה הקול בשדה id.

Python

import base64

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

with open("SOURCE_AUDIO_PATH", "rb") as f:
    source_b64 = base64.b64encode(f.read()).decode("utf-8")

with open("CONSENT_AUDIO_PATH", "rb") as f:
    consent_b64 = base64.b64encode(f.read()).decode("utf-8")

replicated_voice = client.voices.create(
    store=True,
    voice={
        "type": "VOICE_TYPE_REPLICATED",
        "display_name": "Custom replicated speaker",
        "replicated": {
            "source_audio": {"mime_type": "audio/wav", "data": source_b64},
            "consent_audio": {"mime_type": "audio/wav", "data": consent_b64},
        },
    },
    timeout=60,
)

# The voice ID starts with "voice_".
print(f"Created voice ID: {replicated_voice.id}")

REST

SOURCE_B64=$(base64 -w 0 SOURCE_AUDIO_PATH)
CONSENT_B64=$(base64 -w 0 CONSENT_AUDIO_PATH)

cat > request.json <<EOF
{
  "store": true,
  "voice": {
    "type": "VOICE_TYPE_REPLICATED",
    "displayName": "Custom replicated speaker",
    "replicated": {
      "sourceAudio": {"mimeType": "audio/wav", "data": "${SOURCE_B64}"},
      "consentAudio": {"mimeType": "audio/wav", "data": "${CONSENT_B64}"}
    }
  }
}
EOF

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices \
  -d @request.json | jq -r '.id'

מחליפים את מה שכתוב בשדות הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט ב- Google Cloud .
  • ‫SOURCE_AUDIO_PATH: הנתיב לקובץ ה-WAV של ההפניה.
  • ‫CONSENT_AUDIO_PATH: הנתיב לקובץ ה-WAV של הסכמת המשתמש.

כדי להציג, לקבל או למחוק קולות משוכפלים מאוחסנים, משתמשים באותן שיטות כמו עבור קולות מעוצבים. פרטים נוספים מופיעים במאמר בנושא ניהול קולות שמורים.

יצירת מפתח לשכפול קול

מגדירים את השדות הבאים בבקשה:

  • store: false.
  • voice.type: VOICE_TYPE_REPLICATED.
  • ‫voice.model: שדה חובה. מודל ה-TTS של Gemini 3.8 ליצירת המפתח, לדוגמה gemini-3.8-flash-tts. המפתח פועל עם שני מודלים של Gemini 3.8 TTS.
  • ‫voice.replicated.source_audio ו-voice.replicated.consent_audio: ההפניות בקידוד Base64 והקלטות ההסכמה, כשכל אחת מהן מוגדרת עם mime_type שמוגדר ל-audio/wav.

התשובה מחזירה את מפתח רפליקציה של קולות בשדה key.

Python

import base64

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

with open("SOURCE_AUDIO_PATH", "rb") as f:
    source_b64 = base64.b64encode(f.read()).decode("utf-8")

with open("CONSENT_AUDIO_PATH", "rb") as f:
    consent_b64 = base64.b64encode(f.read()).decode("utf-8")

replicated_voice = client.voices.create(
    store=False,
    voice={
        "model": "gemini-3.8-flash-tts",
        "type": "VOICE_TYPE_REPLICATED",
        "replicated": {
            "source_audio": {"mime_type": "audio/wav", "data": source_b64},
            "consent_audio": {"mime_type": "audio/wav", "data": consent_b64},
        },
    },
    timeout=60,
)

# Store the key in your application. It starts with "voicekey_".
voice_key = replicated_voice.key

REST

SOURCE_B64=$(base64 -w 0 SOURCE_AUDIO_PATH)
CONSENT_B64=$(base64 -w 0 CONSENT_AUDIO_PATH)

cat > request.json <<EOF
{
  "store": false,
  "voice": {
    "model": "gemini-3.8-flash-tts",
    "type": "VOICE_TYPE_REPLICATED",
    "replicated": {
      "sourceAudio": {"mimeType": "audio/wav", "data": "${SOURCE_B64}"},
      "consentAudio": {"mimeType": "audio/wav", "data": "${CONSENT_B64}"}
    }
  }
}
EOF

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices \
  -d @request.json | jq -r '.key'

יצירת דיבור באמצעות שכפול קול

מעבירים את מזהה הקול או את מפתח רפליקציה של קולות ב-speechConfig.voiceConfig.voice:

Python

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

response = client.models.generate_content(
    model="gemini-3.8-flash-tts",
    contents=[{
        "role": "user",
        "parts": [{
            "text": "Hello! This audio was generated with a replicated voice.",
            "speech_metadata": {"style": "warm and conversational"},
        }],
    }],
    config={
        "response_modalities": ["AUDIO"],
        "speech_config": {"voice_config": {"voice": "VOICE"}},
    },
)

# The SDK has already decoded the base64 audio, so inline_data.data is a
# complete WAV file by default.
with open("replicated_voice.wav", "wb") as f:
    f.write(response.candidates[0].content.parts[0].inline_data.data)

REST

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent \
  -d '{
    "contents": [{
      "role": "user",
      "parts": [{
        "text": "Hello! This audio was generated with a replicated voice.",
        "speechMetadata": {"style": "warm and conversational"}
      }]
    }],
    "generationConfig": {
      "responseModalities": ["AUDIO"],
      "speechConfig": {
        "voiceConfig": {"voice": "VOICE"}
      }
    }
  }' | jq -r '.candidates[0].content.parts[0].inlineData.data' | base64 --decode > replicated_voice.wav

מחליפים את VOICE במזהה הקול (voice_...) או במפתח לשכפול הקול (voicekey_...) שהוחזרו על ידי השיטה create.

בקשות ליצירת קול כפופות למכסה של פרויקט לדקה. אם תחרגו מהמגבלה, הפונקציה create תחזיר שגיאה RESOURCE_EXHAUSTED. מידע נוסף זמין במאמר מכסות ומגבלות מערכת.

ה-API של Voices מאמת את ההסכמה על ידי השוואה בין התמליל של consent_audio לבין הצהרת ההסכמה. המבקש צריך להקריא את ההצהרה בשפה שלו, מילה במילה:

שפה קוד BCP-47 הצהרת הסכמה
אפריקאנס af Ek is die eienaar van hierdie stem en het ingestem tot die skep van 'n sintetiese model van my stem deur die gebruik van Google Cloud.
אלבנית sq Unë jam pronari i këtij zëri dhe kam dhënë pëlqimin për krijimin e një modeli sintetik të zërit tim përmes përdorimit të Google Cloud.
אמהרית am ‫I am the owner of this voice and I have agreed to the creation of an AI model of my voice using Google Cloud.
ערבית ar أنا صاحب هذا الصوت وقد وافقت على إنشاء نموذج اصطناعي لصوتي باستخدام خدمة جوجل كلاود.
ארמנית hy Ես այս ձայնի սեփականատերն եմ և համաձայնություն եմ տվել Google Cloud-ի միջոցով իմ ձայնի սինթետիկ մոդելի ստեղծմանը։
אזרית az Mən bu səsin sahibiyəm və Google Cloud vasitəsilə səsimin sintetik modelinin yaradılmasına razılıq vermişəm.
בנגלית bn আমি এই কণ্ঠস্বরের মালিক এবং গুগল ক্লাউড ব্যবহারের মাধ্যমে আমার কণ্ঠস্বরের একটি কৃত্রিম মডেল তৈরিতে সম্মতি দিয়েছি।
בסקית eu Ni naiz ahots honen jabea eta nire ahotsaren eredu sintetiko bat sortzeko baimena eman dut Google Cloud erabiliz.
בלארוסית be Я з'яўляюся ўладальнікам гэтага голасу і даў згоду на стварэнне сінтэтычнай мадэлі майго голасу з дапамогай Google Cloud
בולגרית bg Аз съм собственикът на този глас и съм дал съгласието си за създаването на синтетичен модел на моя глас чрез използването на Google Cloud.
בורמזית my ကျွန်ုပ်သည် ဤအသံ၏ပိုင်ရှင်ဖြစ်ပြီး Google Cloud ကိုအသုံးပြုခြင်းဖြင့် ကျွန်ုပ်၏အသံ၏ ပေါင်းစပ်ပုံစံတစ်ခု ဖန်တီးရန် သဘောတူပါသည်။
קטלאנית ca Sóc el propietari d'aquesta veu i he donat el meu consentiment per a la creació d'un model sintètic de la meva veu mitjançant l'ús de Google Cloud.
סבואנו ceb Ako ang tag-iya niining tingog ug miuyon sa paghimo og sintetikong modelo sa akong tingog pinaagi sa paggamit sa Google Cloud.
סינית, מנדרינית cmn 我拥有这段声音的所有权，并且同意通过 Google Cloud 创建我的声音合成模型。
קרואטית hr Vlasnik sam ovog glasa i pristao sam na izradu sintetičkog modela mog glasa putem Google Clouda.
צ'כית cs Jsem vlastníkem tohoto hlasu a souhlasil(a) jsem s vytvořením syntetického modelu mého hlasu pomocí služby Google Cloud.
דנית da Jeg ejer denne stemme og har givet samtykke til oprettelsen af en syntetisk model af min stemme ved hjælp af Google Cloud.
הולנדית nl Ik ben de eigenaar van deze stem en heb toestemming gegeven voor het creëren van een synthetisch model van mijn stem via Google Cloud.
אנגלית en אני הבעלים של הקול הזה והבעתי הסכמה ליצירת מודל סינתטי של הקול שלי באמצעות Google Cloud
אסטונית et Olen selle hääle omanik ja olen andnud nõusoleku oma hääle sünteetilise mudeli loomiseks Google Cloudi abil.
פיליפינית fil Ako ang may-ari ng boses na ito at pumayag sa paglikha ng isang sintetikong modelo ng aking boses sa pamamagitan ng paggamit ng Google Cloud.
פינית fi Olen tämän äänen omistaja ja olen antanut suostumukseni synteettisen ääneni mallintamiseen Google Cloudin avulla.
צרפתית fr Je suis propriétaire de cette voix et j'ai consenti à la création d'un modèle synthétique de ma voix grâce à l'utilisation de Google Cloud.
גליציאנית gl Soy el propietario de esta voz y doy mi consentimiento para la creación de un modelo sintético de mi voz mediante el uso de Google Cloud.
גרוזינית ka მე ვარ ამ ხმის მფლობელი და დავთანხმდი ჩემი ხმის სინთეზური მოდელის შექმნას Google Cloud-ის გამოყენებით.
גרמנית de Ich bin der Inhaber dieser Stimme und habe der Erstellung eines synthetischen Modells meiner Stimme mithilfe von Google Cloud zugestimmt.
יוונית el Είμαι ο κάτοχος αυτής της φωνής και έχω συναινέσει στη δημιουργία ενός συνθετικού μοντέλου της φωνής μου μέσω της χρήσης του Google Cloud.
גוג'ארטי gu હું આ અવાજનો માલિક છું અને ગૂગલ ક્લાઉડના ઉપયોગ દ્વારા મારા અવાજનું સિન્થેટિક મોડેલ બનાવવા માટે સંમતિ આપી છે.
קריאולית של האיטי ht Mwen se pwopriyetè vwa sa a epi mwen bay konsantman pou kreyasyon yon modèl sentetik vwa mwen atravè itilizasyon Google Cloud.
עברית he אני הבעלים של קול זה והסכמתי ליצירת מודל סינתטי של קולי באמצעות Google Cloud.
הינדית hi मैं इस आवाज का स्वामी हूं और मैंने Google क्लाउड के उपयोग के माध्यम से अपनी आवाज का कृत्रिम मॉडल बनाने की सहमति दी है।
הונגרית hu Én vagyok a hang tulajdonosa, és hozzájárultam ahhoz, hogy a Google Cloud segítségével szintetikus modellt készítsenek a hangomról.
איסלנדית is Ég er eigandi þessarar raddar og hef samþykkt að búið sé til tilbúið líkan af rödd minni með því að nota Google Cloud.
אינדונזית id Saya adalah pemilik suara ini dan telah menyetujui pembuatan model sintetis suara saya melalui penggunaan Google Cloud.
איטלקית it Sono il proprietario di questa voce e ho acconsentito alla creazione di un modello sintetico della mia voce tramite l'utilizzo di Google Cloud.
יפנית ja 私はこの音声の所有者であり、Google Cloud を利用して私の音声の合成モデルを作成することに同意しました。
ג'אווה jv Aku sing nduwèni swara iki lan wis sarujuk kanggo nggawé model sintetis swaraku liwat panggunaan Google Cloud.
קנאדה kn ನಾನು ಈ ಧ್ವನಿಯ ಮಾಲೀಕ ಮತ್ತು Google Cloud ಬಳಕೆಯ ಮೂಲಕ ನನ್ನ ಧ್ವನಿಯ ಸಂಶ್ಲೇಷಿತ ಮಾದರಿಯನ್ನು ರಚಿಸಲು ಸಮ್ಮತಿಸಿದ್ದೇನೆ.
קוריאנית ko 저는 이 음성의 소유자이며, Google Cloud를 사용하여 제 음성의 합성 모델을 생성하는 데 동의했습니다.
לאו lo I own this voice and have consented to the creation of a synthetic voice model of my voice through the use of Google Cloud
לטינית la Huius vocis dominus sum et consensi sum ad creandum exemplar syntheticum vocis meae per usum Google Cloud.
לטבית lv Esmu šīs balss īpašnieks un esmu piekritis sintētiska manas balss modeļa izveidei, izmantojot Google Cloud.
ליטאית lt Esu šio balso savininkas ir sutikau, kad naudojant „Google Cloud“ būtų sukurtas sintetinis mano balso modelis.
לוקסמבורגית lb Ech sinn de Besëtzer vun dëser Stëmm an hunn der Erstellung vun engem synthetesche Modell vu menger Stëmm mat Hëllef vu Google Cloud zougestëmmt.
מקדונית mk Јас сум сопственик на овој глас и се согласив за создавање синтетички модел на мојот глас преку користење на Google Cloud.
מלגשית mg Izaho no tompon'ity feo ity ary nanaiky ny hamorona modely sentetika amin'ny feoko amin'ny alàlan'ny fampiasana ny Google Cloud.
מלאית ms Saya pemilik suara ini dan telah bersetuju untuk penciptaan model sintetik suara saya melalui penggunaan Google Cloud.
מלאיאלאם ml ഈ ശബ്ദത്തിന്റെ ഉടമ ഞാനാണ്, Google ക്ലൗഡ് ഉപയോഗിച്ച് എന്റെ ശബ്ദത്തിന്റെ ഒരു സിന്തറ്റിക് മോഡൽ സൃഷ്ടിക്കാൻ ഞാൻ സമ്മതം നൽകിയിട്ടുണ്ട്.
מראטהית mr मी या आवाजाचा मालक आहे आणि गूगल क्लाउडचा वापर करून माझ्या आवाजाचे कृत्रिम मॉडेल तयार करण्यास मी संमती दिली आहे.
מונגולית mn Би энэ дуу хоолойны эзэмшигч бөгөөд Google Cloud ашиглан өөрийн дуу хоолойны синтетик загварыг бүтээхийг зөвшөөрсөн.
נפאלית ne म यो आवाजको मालिक हुँ र गुगल क्लाउडको प्रयोग मार्फत मेरो आवाजको सिंथेटिक मोडेल सिर्जना गर्न सहमति दिएको छु।
נורווגית (ספרותית) nb Jeg eier denne stemmen og har samtykket til at det opprettes en syntetisk modell av stemmen min ved bruk av Google Cloud.
אודיה or ‫Ich bin der Inhaber dieser Stimme und stimme zu, dass Google Cloud ein synthetisches Modell meiner Stimme erstellt.
פשטו ps زه د دې غږ مالک یم او د ګوګل کلاوډ په کارولو سره مې د خپل غږ د مصنوعي ماډل جوړولو ته رضایت ورکړی دی.
פרסית fa من مالک این صدا هستم و با ایجاد یک مدل مصنوعی از صدایم از طریق استفاده از Google Cloud موافقت کرده‌ام.
פולנית pl Jestem właścicielem tego głosu i wyraziłem zgodę na utworzenie syntetycznego modelu mojego głosu za pomocą Google Cloud
פורטוגזית pt Eu sou o proprietário desta voz e consinto com a criação de um modelo sintético da minha voz através do uso do Google Cloud.
פנג'אבית pa ਮੈਂ ਇਸ ਆਵਾਜ਼ ਦਾ ਮਾਲਕ ਹਾਂ ਅਤੇ ਗੂਗਲ ਕਲਾਉਡ ਦੀ ਵਰਤੋਂ ਰਾਹੀਂ ਆਪਣੀ ਆਵਾਜ਼ ਦੇ ਇੱਕ ਸਿੰਥੈਟਿਕ ਮਾਡਲ ਨੂੰ ਬਣਾਉਣ ਲਈ ਸਹਿਮਤੀ ਦਿੱਤੀ ਹੈ।
רומנית ro Sunt proprietarul acestei voci și am consimțit la crearea unui model sintetic al vocii mele prin utilizarea Google Cloud.
רוסית ru Я являюсь владельцем этого голоса и дал согласие на создание синтетической модели моего голоса с использованием Google Cloud.
סרבית sr Ја сам власник овог гласа и пристао/ла сам на креирање синтетичког модела мог гласа коришћењем Google Cloud-а
סינדהית sd من هن آواز جو مالڪ آهيان ۽ گوگل ڪلائوڊ جي استعمال ذريعي پنهنجي آواز جي هڪ مصنوعي ماڊل جي تخليق تي رضامندي ڏني آهي.
סינהלה si I am the owner of this voice and I consent to the creation of an artificial model of my voice through the use of Google Cloud.
סלובקית sk Som vlastníkom tohto hlasu a súhlasil/a som s vytvorením syntetického modelu môjho hlasu pomocou služby Google Cloud.
סלובנית sl Sem lastnik tega glasu in sem privolil v ustvarjanje sintetičnega modela mojega glasu z uporabo storitve Google Cloud.
ספרדית es Soy el propietario de esta voz y he consentido la creación de un modelo sintético de mi voz mediante el uso de Google Cloud.
סווהילי sw Mimi ndiye mmiliki wa sauti hii na nimekubali kuundwa kwa modeli ya sauti yangu iliyotengenezwa kwa njia ya Google Cloud.
שוודית sv Jag äger den här rösten och har samtyckt till att en syntetisk modell av min röst skapas med hjälp av Google Cloud.
טמילית ta This is my voice, and I consent to Google using it to create an AI model of my voice using Cloud Text-to-Speech.
טלוגו te ఈ స్వరానికి నేను యజమానిని మరియు గూగుల్ క్లౌడ్‌ను ఉపయోగించి నా స్వరం యొక్క కృత్రిమ నమూనాను రూపొందించడానికి నేను సమ్మతించాను.
תאית th אני הבעלים של הקול הזה ואני מסכים ליצירת מודל של קול סינתטי של הקול שלי באמצעות Google Cloud
טורקית tr Bu sesin sahibi benim ve Google Cloud kullanılarak sesimin sentetik bir modelinin oluşturulmasına izin verdim.
אוקראינית uk Я є власником цього голосу та дав згоду на створення синтетичної моделі мого голосу за допомогою Google Cloud
אורדו ur میں اس آواز کا مالک ہوں اور میں نے گوگل کلاؤڈ کے استعمال کے ذریعے اپنی آواز کا مصنوعی ماڈل بنانے پر رضامندی دی ہے۔
וייטנאמית vi Tôi là chủ sở hữu giọng nói này và đã đồng ý cho phép tạo ra một mô hình tổng hợp giọng nói của mình thông qua việc sử dụng Google Cloud.

שיטות מומלצות

  • הקלטה בסביבה שקטה: חשוב להקליט בסביבה שקטה כדי למזער את ההד, רעשי הרקע, המוזיקה והקולות החופפים. איכות הפלט תלויה באיכות של source_audio.
  • התאמת תנאי ההקלטה: מקליטים את source_audio ואת consent_audio עם אותו מיקרופון באותו חדר כדי שאימות הדובר יצליח.
  • המרת ההקלטות לפורמט הנדרש: לפני שמקודדים את ההקלטות, צריך לבצע דגימה מחדש שלהן ל-24 kHz, מונו,‏ 16-bit PCM WAV.
  • תכנון החידוש: התוקף של מפתחות רפליקציה של קולות הוא שבעה ימים, והתוקף של הקולות המאוחסנים פג שנה אחרי השימוש האחרון בהם. חשוב לשמור את ההקלטות של הקריינות המקורית וההסכמה, או תהליך לאיסוף שלהן, כדי שתוכלו ליצור את הקול מחדש לפני שההרשאה תפוג.

המאמרים הבאים