本文档介绍了如何在 Live API 中配置合成语音回答和语音活动检测。您可以配置各种高清语音和语言的回答，还可以配置语音活动检测设置，以允许用户打断模型。
设置语言和语音
如需设置回答语言和语音，请按如下方式进行配置：
控制台
- 依次打开 Vertex AI Studio > 实时流。
- 在输出扩展控件中，从语音下拉菜单中选择一种语音。
- 在同一扩展控件中，从语言下拉菜单中选择一种语言。
- 点击 启动会话以启动会话。
Python
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
Live API 在 voice_name 字段中支持以下 30 种语音选项：
|
Zephyr - 明快 Kore - 坚定 Orus - 坚定 Autonoe - 明快 Umbriel - 轻松 Erinome - 清晰 Laomedeia - 欢快 Schedar - 平稳 Achird - 友好 Sadachbia - 活泼 |
Puck - 欢快 Fenrir - 兴奋 Aoede - 轻快 Enceladus - 气声 Algieba - 流畅 Algenib - 沙哑 Achernar - 柔和 Gacrux - 成熟 Zubenelgenubi - 随意 Sadaltager - 博学 |
Charon - 信息丰富 Leda - 青春活力 Callirrhoe - 轻松愉快 Iapetus - 清晰明了 Despina - 流畅自然 Rasalgethi - 信息丰富 Alnilam - 坚定有力 Pulcherrima - 积极向上 Vindemiatrix - 温柔舒缓 Sulafat - 温暖舒适 |
支持的语言
Live API 支持以下 24 种语言：
| 语言 | BCP-47 代码 | 语言 | BCP-47 代码 |
|---|---|---|---|
| 阿拉伯语（埃及语） | ar-EG | 德语（德国） | de-DE |
| 英语（美国） | en-US | 西班牙语（美国） | es-US |
| 法语（法国） | fr-FR | 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 |
| 葡萄牙语（巴西） | pt-BR | 俄语（俄罗斯） | ru-RU |
| 荷兰语（荷兰） | nl-NL | 波兰语（波兰） | pl-PL |
| 泰语（泰国） | th-TH | 土耳其语（土耳其） | tr-TR |
| 越南语（越南） | vi-VN | 罗马尼亚语（罗马尼亚） | ro-RO |
| 乌克兰语（乌克兰） | uk-UA | 孟加拉语（孟加拉） | bn-BD |
| 英语（印度） | en-IN 和 hi-IN 软件包 | 马拉地语（印度） | mr-IN |
| 泰米尔语（印度） | ta-IN | 泰卢固语（印度） | te-IN |
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, } } }