Gerar podcasts (método da API)

Descontinuada: a API Podcast foi descontinuada. O Google não está incluindo novos clientes na lista de permissões.

O Gemini Enterprise oferece uma API que permite gerar podcasts com base em documentos de origem. A saída é muito semelhante aos podcasts que os usuários finais podem gerar nos notebooks.

A geração de podcasts pela API é adequada para jobs em lote em que você tem dezenas ou centenas de livros, artigos ou cursos e quer gerar um podcast para cada um.

A API Podcast é uma API independente. Ou seja, você não precisa de um notebook do Gemini Notebook Enterprise, uma licença do Gemini Enterprise ou um repositório de dados. Você só precisa de um projeto do Google Cloud ativado e do papel de usuário da API Podcast.

Entradas

A entrada para a API é uma matriz de elementos context. Esse é o material de origem usado para gerar o podcast. A entrada pode ser em forma de texto, imagens, áudio e vídeo. O conteúdo total da matriz de contexto precisa ser menor que 100.000 tokens.

Para ver uma lista de tipos aceitos, consulte as especificações técnicas de imagens, documentos, vídeos e áudios nesta página sobre o Gemini 2.5 Flash.

Saída

A saída da API é o podcast, no formato MP3.

Antes de começar

Antes de gerar um podcast usando a API, você precisa ter o seguinte:

• Um projeto do Google Cloud com a API Discovery Engine ativada. Consulte Criar um projeto e ativar a API.

• O papel do Identity and Access Management (IAM) de usuário da API Podcast (roles/discoveryengine.podcastApiUser). Para informações gerais sobre como conceder papéis, consulte Configurar o Gemini Notebook Enterprise.

Gerar um podcast com base na entrada de contexto

Use o comando a seguir para gerar um podcast chamando o método podcast.

A entrada é uma matriz de objetos multimídia, como texto, imagens e clipes de áudio e vídeo.

REST

Para gerar e exportar um podcast, faça o seguinte:

1. Execute o seguinte comando curl:

   curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json" \
     "https://discoveryengine.googleapis.com/v1/projects/PROJECT_ID/locations/global/podcasts" \
     -d '{
         "podcastConfig": {
           "focus": "FOCUS",
           "length": "LENGTH",
           "languageCode": "LANGUAGE_CODE"
         },
         "contexts": [
           {
             "text": "TEXT_CONTENT"
           },
           {
             "inlineData": {
               "mimeType": "MIME_TYPE",
               "data": "BASE64_ENCODED_DATA"
             }
           }
         ],
         "title": "PODCAST_TITLE",
         "description": "PODCAST_DESCRIPTION"
     }'
   

   Substitua:

   • PROJECT_ID: ID do projeto.
   • FOCUS: um comando em que você sugere o foco do podcast.
   • LENGTH: há duas opções:
     • SHORT (normalmente de 4 a 5 minutos)
     • STANDARD (normalmente cerca de 10 minutos, mas pode ser menor com conjuntos de dados menores)
   • LANGUAGE_CODE: opcional. Especifique o código de idioma do podcast. Use tags de idioma definidas pelo BCP47. Se o código de idioma não for fornecido, o podcast será gerado em inglês.
   • TEXT_CONTENT: o conteúdo de texto a ser incluído.
   • inlineData: um objeto para mídia que não é de texto.
   • MIME_TYPE: o tipo MIME dos dados do blob (por exemplo, "image/png").
   • BASE64_ENCODED_DATA: os bytes brutos codificados em base64 dos dados de mídia.
   • PODCAST_TITLE: um título para o podcast. Isso pode ser para uso interno ou você pode optar por exibi-lo para os usuários finais.
   • PODCAST_DESCRIPTION: uma descrição do podcast. Isso pode ser para uso interno ou você pode optar por exibi-lo aos usuários finais.

   Exemplo de comando e resultado

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   "https://discoveryengine.googleapis.com/v1/projects/my-project-123/locations/global/podcasts" \
   -d '{
       "podcastConfig": {
         "focus": "Can you talk about how to find a job in Google?",
         "length": "SHORT"
       },
       "contexts": [
         {
           "text": "Breaking into Google is a highly competitive endeavor, attracting millions of applicants globally due to its reputation as a top employer, its innovative work, and comprehensive perks. Success hinges on a multi-faceted approach, starting with meticulously tailored online applications that incorporate job description keywords for ATS and showcasing Googlyness—a blend of curiosity, collaborative spirit, and leadership potential. The rigorous, multi-stage interview process involves recruiter screens, behavioral interviews (often using the STAR method), and for technical roles, demanding coding challenges and system design questions that assess not just correct answers but also problem-solving thought processes and communication skills. Networking for referrals and informational interviews can significantly boost visibility, but ultimately, thorough preparation through mock interviews and platforms like LeetCode, combined with patience and resilience through the often lengthy process, are paramount for navigating this challenging but rewarding path."
         },
         {
           "inlineData": {
             "mimeType": "image/png",
             "data": "iVBORw0KGgoAAAANSUhEUgAAAAEAAAABCAQAAAC1HAwCAAAAC0lEQVR42mNkYAAAAAYAAjCB0C8AAAAASUVORK5CYII="
           }
         }
       ],
       "title": "Find a job at Google ",
       "description": "This podcast is based on a plain text document and an image that describe various aspects of getting a job at Google."
   }'
   
   {
   "name": "projects/123456/locations/global/operations/create-podcast-54321"
   }
   

   A geração de um podcast leva alguns minutos.

2. Anote o nome da operação. Você vai precisar dele para fazer o download do podcast na etapa 4. No exemplo acima, o nome da operação é projects/123456/locations/global/operations/create-podcast-54321.

3. Opcional. Verifique o status da operação de criação do podcast. Consulte Ver detalhes sobre uma operação de longa duração.

4. Depois que a operação for concluída, execute o seguinte comando curl para fazer o download do podcast:

   curl -v \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://discoveryengine.googleapis.com/v1/OPERATION_NAME:download?alt=media" \
     --output FILENAME.mp3 -L
   

   Substitua:

   • OPERATION_NAME: o nome da operação que você anotou na etapa 2.
   • FILENAME: um nome de arquivo para o podcast.

   Esse comando faz o download do podcast em um arquivo MP3 no seu diretório local.

   Exemplo de comando e resultado

   curl -v \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://discoveryengine.googleapis.com/v1/projects/123456/locations/global/operations/create-podcast-54321:download?alt=media" \
     --output my-podcast.mp3 -L
     
   
   % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                  Dload  Upload   Total   Spent    Left  Speed
   0     0    0     0    0     0      0      0 --:--:-- --:--:-- --:--:--     0* Host discoveryengine.googleapis.com:443 was resolved.
     ...
   { [42044 bytes data]
   100 14.3M  100 14.3M    0     0  10.9M      0  0:00:01  0:00:01 --:--:-- 29.7M
   * Connection #0 to host discoveryengine.googleapis.com left intact
   

Compliance

A API de podcast não está em conformidade com as chaves de criptografia gerenciadas pelo cliente, CMEK para Gemini Enterprise.