Anda dapat membuat suara kustom baru dengan mengedit suara yang ada menggunakan fitur
remix suara. Daripada mendeskripsikan suara dari awal, Anda memilih
suara dasar dan mendeskripsikan perubahan yang akan dilakukan, seperti usia, nada,
energi, timbre, atau aksen yang berbeda. Voices API menyimpan hasilnya sebagai suara baru di project Anda dan menampilkan ID voice_... yang dapat digunakan kembali yang Anda teruskan dalam permintaan pembuatan ucapan.
Anda dapat me-remix suara berikut:
- Suara bawaan,
seperti
PuckatauKore. - Suara Library Suara yang Diperluas.
- Suara yang didesain atau suara yang sebelumnya di-remix yang disimpan dalam project Anda.
Suara remix berfungsi dengan
Gemini 3.8 Flash TTS
(gemini-3.8-flash-tts) dan
Gemini 3.8 Flash-Lite TTS
(gemini-3.8-flash-lite-tts).
Cara kerja remix suara
Remix suara menggunakan metode create Voices API yang sama dengan
desain suara, dengan
kolom voice.prompted.base_voice ditambahkan:
- Pilih suara dasar dan deskripsikan perubahannya: Panggil metode
createVoices API denganvoice.typeditetapkan keVOICE_TYPE_PROMPTED,storeditetapkan ketrue,voice.prompted.base_voiceditetapkan ke nama atau ID suara yang ada, danvoice.prompted.inputditetapkan ke deskripsi perubahan. - Menerima ID suara baru dan sampel: Voices API menerapkan perubahan Anda pada suara dasar, menyimpan hasilnya sebagai suara baru di project Anda, dan menampilkan ID-nya (misalnya,
voice_abc123...) di kolomiddan sampel suara di kolomsample_audio. Suara dasar tidak berubah. - Buat ucapan atau remix lagi: Teruskan ID suara baru di
speechConfig.voiceConfig.voicesaat Anda memanggilgenerateContentataustreamGenerateContent. Untuk menyempurnakan suara lebih lanjut, teruskan ID suara baru sebagaibase_voicedari permintaancreatelainnya.
Sebelum memulai
-
Instal Google Cloud CLI.
-
Konfigurasi gcloud CLI agar menggunakan identitas gabungan Anda.
Untuk mengetahui informasi selengkapnya, lihat Login ke gcloud CLI dengan identitas gabungan Anda.
-
Untuk melakukan inisialisasi gcloud CLI, jalankan perintah berikut:
gcloud init -
Buat atau pilih project Cloud de Confiance .
Peran yang diperlukan untuk memilih atau membuat project
- Memilih project: Memilih project tidak memerlukan peran IAM tertentu—Anda dapat memilih project apa pun yang perannya telah diberikan kepada Anda.
-
Membuat project: Untuk membuat project, Anda memerlukan peran Project Creator
(
roles/resourcemanager.projectCreator), yang berisi izinresourcemanager.projects.create. Pelajari cara memberikan peran.
-
Buat project Cloud de Confiance :
gcloud projects create PROJECT_ID
Ganti
PROJECT_IDdengan nama untuk Cloud de Confiance project yang Anda buat. -
Pilih project Cloud de Confiance yang Anda buat:
gcloud config set project PROJECT_ID
Ganti
PROJECT_IDdengan nama project Cloud de Confiance Anda.
-
Jika Anda menggunakan project yang sudah ada untuk panduan ini, pastikan Anda memiliki izin yang diperlukan untuk menyelesaikan panduan ini. Jika berhasil membuat project baru, berarti Anda sudah memiliki izin yang diperlukan.
-
Pastikan penagihan diaktifkan untuk project Cloud de Confiance Anda.
Aktifkan Agent Platform API, jika belum diaktifkan:
Peran yang diperlukan untuk mengaktifkan API
Untuk mengaktifkan API, Anda memerlukan izin
serviceusage.services.enable. Jika Anda membuat project, kemungkinan Anda sudah memiliki izin ini melalui peran Pemilik (roles/owner). Jika tidak, Anda bisa mendapatkan izin ini melalui peran Service Usage Admin (roles/serviceusage.serviceUsageAdmin). Pelajari cara memberikan peran.gcloud services enable aiplatform.googleapis.com
-
Buat kredensial autentikasi lokal untuk akun pengguna Anda:
gcloud auth application-default login
Jika error autentikasi ditampilkan, pastikan Anda telah login ke gcloud CLI dengan identitas gabungan Anda.
Untuk menggunakan contoh Python, instal Google Gen AI SDK versi 2.33.0 atau yang lebih baru:
pip install --upgrade "google-genai>=2.33.0"
Voices API tersedia di lokasi global melalui versi API v1beta1.
Peran yang diperlukan
Untuk mendapatkan izin yang Anda perlukan untuk me-remix suara dan membuat ucapan dengan suara tersebut, minta administrator untuk memberi Anda peran IAM berikut pada project Cloud de Confiance by S3NS Anda:
-
Membuat, mencantumkan, mendapatkan, dan menghapus suara, serta membuat ucapan:
Agent Platform User (
roles/aiplatform.user)
Untuk mengetahui informasi selengkapnya tentang pemberian peran, lihat Mengelola akses ke project, folder, dan organisasi.
Anda mungkin juga bisa mendapatkan izin yang diperlukan melalui peran khusus atau peran bawaan lainnya.
Membuat suara remix
Tetapkan kolom berikut dalam permintaan:
store: Harustrue. Suara yang di-remix selalu disimpan di project Anda. Permintaan yang menetapkanbase_voicedenganstore: falseakan gagal dengan errorINVALID_ARGUMENT.voice.type:VOICE_TYPE_PROMPTED.voice.prompted.base_voice: Suara yang akan di-remix. Gunakan nama suara untuk suara bawaan (misalnya,Puck), ID suara untuk suara Extended Voice Library, atau IDvoice_...untuk suara yang didesain atau di-remix. Jika suara tidak ada, permintaan akan gagal dengan errorNOT_FOUND.voice.prompted.input: Deskripsi natural language tentang perubahan yang akan dilakukan pada suara dasar.voice.display_name,voice.gender,voice.language_code: Metadata opsional untuk suara baru.
Jangan setel voice.model. Permintaan yang menetapkan model bersama dengan store: true akan gagal dengan error INVALID_ARGUMENT.
Me-remix suara dapat memerlukan waktu beberapa detik. Contoh Python menetapkan waktu tunggu permintaan ke 60 detik.
Respons berisi kolom berikut:
id: ID suara baru.prompted.base_voice: Suara dasar yang Anda remix.sample_audio: Contoh suara baru. Kolomdatamenyimpan audio berenkode base64, dan kolommime_typememberi nama encoding-nya. Secara default, sampelnya adalah file WAV lengkap (audio/wav) dengan header RIFF: PCM 16-bit, 24 kHz, mono. Beberapa suara dapat menampilkan PCM 16-bit tanpa header (audio/l16; rate=24000; channels=1), jadi periksamime_typesebelum Anda menyimpan audio.usage: Jumlah token yang digunakan permintaan. Untuk mengetahui informasi selengkapnya, lihat Harga.
Contoh berikut me-remix suara Puck bawaan:
Python
Instal
pip install --upgrade google-genai
Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.
Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
import base64
import wave
from google import genai
client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")
voice = client.voices.create(
store=True,
voice={
"type": "VOICE_TYPE_PROMPTED",
"display_name": "Older British Puck",
"prompted": {
"base_voice": "Puck",
"input": (
"Make the voice sound slightly older and more grounded, with a"
" warm British accent and measured audiobook narration pacing."
),
},
},
timeout=60,
)
print(f"Created voice ID: {voice.id}")
# Save the voice sample. The SDK returns sample_audio.data as a base64
# string. By default, it's a complete WAV file (audio/wav). For
# compatibility, add a WAV header if the sample is raw 16-bit PCM
# (audio/l16).
sample = base64.b64decode(voice.sample_audio.data)
if voice.sample_audio.mime_type.lower().startswith("audio/l16"):
with wave.open("remixed_voice_sample.wav", "wb") as wf:
wf.setnchannels(1)
wf.setsampwidth(2)
wf.setframerate(24000)
wf.writeframes(sample)
else:
with open("remixed_voice_sample.wav", "wb") as f:
f.write(sample)
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- PROJECT_ID: Project ID Cloud de Confiance by S3NS Anda.
Metode HTTP dan URL:
POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices
Meminta isi JSON:
{
"store": true,
"voice": {
"type": "VOICE_TYPE_PROMPTED",
"displayName": "Older British Puck",
"prompted": {
"baseVoice": "Puck",
"input": "Make the voice sound slightly older and more grounded, with a warm British accent and measured audiobook narration pacing."
}
}
}
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices"
PowerShell
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices" | Select-Object -Expand Content
Anda akan menerima respons JSON yang mirip dengan berikut ini. Kolom sample_audio.data terpotong.
{
"id": "voice_7bd85ebf-761b-4969-8544-4ec60f06d124",
"prompted": {
"base_voice": "Puck"
},
"usage": {
"total_tokens": 578,
"total_input_tokens": 297,
"input_tokens_by_modality": [
{"modality": "text", "tokens": 38},
{"modality": "audio", "tokens": 259}
],
"total_output_tokens": 281,
"output_tokens_by_modality": [
{"modality": "audio", "tokens": 281}
]
},
"sample_audio": {
"mime_type": "audio/wav",
"data": "UklGRpTwAwBXQVZF..."
}
}
Secara default, sample_audio.mime_type adalah audio/wav, dan
sample_audio.data menyimpan file WAV lengkap berenkode base64. Jika
mime_type adalah audio/l16, data yang didekode adalah audio PCM 16-bit tanpa header
pada 24 kHz, mono, dan memerlukan header WAV sebelum sebagian besar pemutar
dapat membukanya.
Membuat ucapan dengan suara yang di-remix
Teruskan ID suara di speechConfig.voiceConfig.voice, dengan cara yang sama seperti Anda meneruskan suara yang didesain:
Python
Instal
pip install --upgrade google-genai
Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.
Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
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": "Chapter One. The fog rolled quietly across the harbor at dawn.",
"speech_metadata": {"style": "calm and reflective"},
}],
}],
config={
"response_modalities": ["AUDIO"],
"speech_config": {"voice_config": {"voice": "VOICE_ID"}},
},
)
# The SDK has already decoded the base64 audio, so inline_data.data is a
# complete WAV file by default.
with open("remixed_voice.wav", "wb") as f:
f.write(response.candidates[0].content.parts[0].inline_data.data)
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- PROJECT_ID: Project ID Cloud de Confiance by S3NS Anda.
- VOICE_ID: ID suara yang ditampilkan oleh metode
createVoices API.
Metode HTTP dan URL:
POST https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent
Meminta isi JSON:
{
"contents": [{
"role": "user",
"parts": [{
"text": "Chapter One. The fog rolled quietly across the harbor at dawn.",
"speechMetadata": {"style": "calm and reflective"}
}]
}],
"generationConfig": {
"responseModalities": ["AUDIO"],
"speechConfig": {
"voiceConfig": {"voice": "VOICE_ID"}
}
}
}
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent"
PowerShell
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/gemini-3.8-flash-tts:generateContent" | Select-Object -Expand Content
Respons berisi audio sebagai file WAV lengkap berenkode base64 di candidates[0].content.parts[0].inlineData.data. Kolom data terpotong.
{
"candidates": [
{
"content": {
"role": "model",
"parts": [
{
"inlineData": {
"mimeType": "audio/wav",
"data": "UklGRhRlBABXQVZF..."
}
}
]
},
"finishReason": "STOP"
}
]
}
Dalam contoh Python, ganti PROJECT_ID dengan project ID Cloud de Confiance by S3NS
Anda dan VOICE_ID dengan ID suara yang ditampilkan oleh metode
create.
Menyempurnakan suara langkah demi langkah
Setiap suara yang di-remix adalah suara voice_... yang disimpan, sehingga Anda dapat menggunakannya sebagai suara dasar remix lain. Alur kerja langkah demi langkah ini memungkinkan Anda mengubah satu atau dua
karakteristik sekaligus dan mendengarkan setiap hasilnya sebelum melakukan perubahan berikutnya. Anda
juga dapat memulai dari suara yang telah didesain.
Contoh berikut me-remix suara yang sudah didesain atau di-remix:
Python
Instal
pip install --upgrade google-genai
Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.
Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan Vertex AI:
# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values # with appropriate values for your project. export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT export GOOGLE_CLOUD_LOCATION=global export GOOGLE_GENAI_USE_ENTERPRISE=True
from google import genai
client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")
voice = client.voices.create(
store=True,
voice={
"type": "VOICE_TYPE_PROMPTED",
"prompted": {
"base_voice": "BASE_VOICE_ID",
"input": (
"Keep the same speaker identity and accent, but make the"
" delivery calmer, softer, and slightly lower in pitch."
),
},
},
timeout=60,
)
print(f"Created voice ID: {voice.id}")
print(f"Remixed from: {voice.prompted.base_voice}")
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- PROJECT_ID: Project ID Cloud de Confiance by S3NS Anda.
- BASE_VOICE_ID: ID
voice_...suara yang didesain atau di-remix dalam project Anda.
Metode HTTP dan URL:
POST https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices
Meminta isi JSON:
{
"store": true,
"voice": {
"type": "VOICE_TYPE_PROMPTED",
"prompted": {
"baseVoice": "BASE_VOICE_ID",
"input": "Keep the same speaker identity and accent, but make the delivery calmer, softer, and slightly lower in pitch."
}
}
}
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices"
PowerShell
Simpan isi permintaan dalam file bernama request.json,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/global/voices" | Select-Object -Expand Content
Anda akan menerima respons JSON yang mirip dengan berikut ini. Kolom sample_audio.data terpotong.
{
"id": "voice_f70c942e-7d78-427d-8466-cae3cb9b0371",
"prompted": {
"base_voice": "voice_7bd85ebf-761b-4969-8544-4ec60f06d124"
},
"sample_audio": {
"mime_type": "audio/wav",
"data": "UklGRhT4AgBXQVZF..."
}
}
Dalam contoh Python, ganti BASE_VOICE_ID dengan ID voice_...
suara yang didesain atau di-remix dalam project Anda.
Mengelola suara yang di-remix
Suara yang di-remix disimpan dalam project Anda dengan jenis VOICE_TYPE_PROMPTED,
jenis yang sama dengan suara yang didesain. Untuk mencantumkan, mendapatkan, atau menghapus suara remix, gunakan
metode yang sama seperti untuk suara yang didesain. Untuk mengetahui detailnya, lihat
Mengelola suara yang disimpan.
Suara yang di-remix tidak bergantung pada suara dasarnya:
- Remix tidak pernah mengubah suara dasar.
- Menghapus suara dasar tidak akan memengaruhi suara yang di-remix dari suara tersebut.
Batas
- Masa berlaku suara yang disimpan akan berakhir satu tahun setelah terakhir kali digunakan. Membuat ucapan
dengan suara, atau menggunakannya sebagai
base_voiceremix, akan memulai ulang periode ini. Hapus suara yang tidak lagi Anda perlukan. - Permintaan remix dihitung dalam kuota pembuatan suara per project per menit yang sama dengan desain suara dan replikasi suara. Jika Anda melampauinya, metode
createakan menampilkan errorRESOURCE_EXHAUSTED. Tunggu dan coba lagi. Untuk mengetahui informasi selengkapnya, lihat Kuota dan batas sistem.
Harga
Remix suara ditagih dengan tarif Gemini 3.8 Flash TTS untuk token berikut:
- Token input teks untuk deskripsi dalam
voice.prompted.input. - Token input audio untuk audio suara dasar.
- Token output audio untuk sampel suara yang dihasilkan Voices API.
Kolom usage dalam respons create melaporkan setiap jumlah. Misalnya, remix dalam contoh pembuatan menggunakan sekitar 40 token input teks, sekitar
260 token input audio, dan sekitar 280 token output audio.
Metode get, list, dan delete tidak akan ditagih. Ucapan yang Anda buat dengan suara remix akan ditagih sesuai tarif model yang Anda panggil.
Untuk mengetahui tarif token, lihat Harga Gemini Enterprise.
Praktik terbaik dalam memberikan perintah
- Deskripsikan perubahan saja: Model akan mempertahankan suara dasar, jadi deskripsikan hanya karakteristik yang akan diubah, seperti usia, timbre, nada, kecepatan, atau energi. Jangan mengulangi deskripsi lengkap suara.
- Menyatakan bahasa atau aksen baru secara eksplisit: Remix mempertahankan bahasa
dan aksen regional suara dasar, kecuali jika
voice.prompted.inputmeminta bahasa atau aksen yang berbeda. - Ubah satu atau dua karakteristik per langkah: Saat Anda menyempurnakan suara melalui
beberapa remix, ubah sekumpulan kecil karakteristik di setiap permintaan, dan dengarkan
sample_audiosebelum Anda membuat perubahan berikutnya. - Gunakan remixing untuk karakteristik permanen dan
speech_metadata.styleuntuk setiap giliran: Gunakan voice remixing untuk mengubah karakteristik dasar suara, seperti usia, aksen, nada, atau persona. Gunakan nilaispeech_metadata.styleyang singkat, seperti"whispered urgently"atau"excited", untuk mengarahkan pengiriman giliran individu.
Tabel berikut menunjukkan contoh permintaan remix:
| Sasaran | base_voice |
prompted.input |
|---|---|---|
| Mengubah usia dan timbre | Puck |
Make the voice sound 20 years older with a deeper, slightly
gravelly baritone timbre while keeping the friendly warmth. |
| Mengubah aksen regional | Kore |
Change the accent to Australian English while preserving the
clear, confident studio delivery. |
| Beradaptasi dengan domain | Suara yang didesain (voice_...) |
Adapt this voice for late-night meditation narration: lower the
vocal projection, slow the pacing, and soften the tone. |
| Meningkatkan energi | Suara remix (voice_...) |
Increase vocal energy and projection so the speaker sounds like
an upbeat live event announcer. |
Langkah berikutnya
- Buat suara kustom dari deskripsi teks dengan desain suara.
- Mereplikasi suara pembicara yang ada dengan replikasi suara.
- Pelajari gaya tingkat giliran, tag inline, dan dialog multi-pembicara di Membuat ucapan dengan Gemini TTS.