複製語音

您可以使用語音複製功能,從簡短的音訊樣本中重現說話者的聲音、語調、語速和音色。Gemini 3.8 Flash TTS (gemini-3.8-flash-tts) 和 Gemini 3.8 Flash-Lite TTS (gemini-3.8-flash-lite-tts) 都支援語音複製功能。

如要複製語音,請將說話者的參考錄音 (source_audio) 和同一位說話者朗讀同意聲明的錄音 (consent_audio) 傳送至 Voices API。服務會驗證同意聲明,並傳回複製語音的 ID。接著,您可以在 generateContent 或 streamGenerateContent 要求的 speechConfig.voiceConfig.voice 中傳遞該 ID,而不必再次上傳音訊。

儲存模式

建立複製語音時,store 欄位會選取下列兩種儲存模式之一:

  • 儲存的語音 (store: true):Google 會將複製的語音儲存在專案中,並在 id 欄位中傳回語音 ID (voice_...)。您可以使用 Voices API 列出、取得及刪除儲存的語音。
  • 語音複製金鑰 (store: false):Google 不會儲存複製的語音。服務會在 key 欄位中傳回加密的語音複製金鑰 (voicekey_...),應用程式則會儲存該金鑰。如果工作負載要求 Google 不得保留語音設定檔,請使用這個模式。
儲存模式 ID 管理 有效期限
儲存的語音 (store: true) voice_... Voices API list、get 和 delete 方法 上次使用後 1 年
語音複製金鑰 (store: false) voicekey_... 由應用程式儲存。Google 不會保留金鑰。 建立後 7 天

使用儲存的語音生成語音時,會重新計算一年的保留期限,因此經常使用的語音不會過期。如果要求使用過期的語音複製金鑰,會失敗並傳回 INVALID_ARGUMENT 錯誤;如果要求使用已刪除或過期的儲存語音,則會失敗並傳回 NOT_FOUND 錯誤。如要繼續使用,請在到期前重新建立。

事前準備

完成 Gemini TTS 頁面「事前準備」中的步驟。Voices API 可在 global 位置透過 v1beta1 API 版本使用。

音訊和同意聲明規定

每次要求建立複製語音時,都需要提供同一位成年說話者的兩段錄音:

  • 參考音訊 (source_audio):10 到 30 秒的乾淨、自然語音,來自您要複製語音的說話者。一般來說,樣本越長,結果越好。
  • 同意聲明音訊 (consent_audio):同一位說話者逐字朗讀同意聲明的錄音,語言與同意聲明相同。如需查看聲明,請參閱「支援的語言和同意聲明」。英文陳述式如下:

    「我是這個聲音的擁有者,我同意使用 Cloud de Confiance by S3NS建立我的合成語音模型。」

兩段錄音都必須是 WAV 檔案,採用 16 位元小端序線性 PCM、單聲道、24 kHz。

如果同意聲明錄音與同意聲明不符,或音訊不符合使用指南,create 要求會失敗,並傳回 INVALID_ARGUMENT 錯誤,說明問題所在。

建立儲存的複製語音

在要求中設定下列欄位:

  • store: true.
  • voice.type: VOICE_TYPE_REPLICATED.
  • voice.display_name:選用。語音名稱。
  • voice.replicated.source_audio 和 voice.replicated.consent_audio:以 Base64 編碼的參考檔案和同意聲明錄音,每個錄音的 mime_type 都設為 audio/wav。

請勿設定 voice.model。如果要求同時設定模型和 store: true,會失敗並傳回 INVALID_ARGUMENT 錯誤。

回應會在 id 欄位中傳回語音 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'

更改下列內容:

  • PROJECT_ID: Cloud de Confiance by S3NS 專案 ID。
  • SOURCE_AUDIO_PATH:參考 WAV 檔案的路徑。
  • CONSENT_AUDIO_PATH:同意聲明 WAV 檔案的路徑。

如要列出、取得或刪除儲存的複製語音,請使用與設計語音相同的方法。詳情請參閱「管理儲存的語音」。

建立語音複製金鑰

在要求中設定下列欄位:

  • store: false.
  • voice.type: VOICE_TYPE_REPLICATED.
  • voice.model:必填,用於建立金鑰的 Gemini 3.8 TTS 模型,例如 gemini-3.8-flash-tts。這個金鑰適用於兩種 Gemini 3.8 TTS 模型。
  • voice.replicated.source_audio 和 voice.replicated.consent_audio:以 Base64 編碼的參考檔案和同意聲明錄音,每個錄音的 mime_type 都設為 audio/wav。

回應會在 key 欄位傳回語音複製金鑰。

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'

使用複製的聲音生成語音

在 speechConfig.voiceConfig.voice 中傳遞語音 ID 或語音複製金鑰:

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

將 VOICE 替換為 create 方法傳回的語音 ID (voice_...) 或語音複製金鑰 (voicekey_...)。

語音建立要求受限於每項專案每分鐘的配額。如果超出上限,create 方法會傳回 RESOURCE_EXHAUSTED 錯誤。詳情請參閱「配額和系統限制」。

Voices API 會比對 consent_audio 的轉錄稿和同意聲明,驗證同意聲明。講者必須逐字朗讀所用語言的聲明:

語言 BCP-47 代碼 同意聲明
南非荷蘭文 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 Cloud de Confiance.
阿爾巴尼亞文 sq Unë jam pronari i këtij zëri dhe kam dhënë pëlqimin për krijimin e një modeli sintetik të zërit tim përmes përdorimit të Cloud de Confiance.
阿姆哈拉文 am የዚህ ድምጽ ባለቤት እኔ ነኝ እና የጉግል ክላውድን በመጠቀም የድምፄ ሰው ሰራሽ ሞዴል እንዲፈጠር ተስማምቻለሁ።
阿拉伯文 ar أنا صاحب هذا الصوت وقد وافقت على إنشاء نموذج اصطناعي لصوتي باستخدام خدمة جوجل كلاود.
亞美尼亞文 hy Ես այս ձայնի սեփականատերն եմ և համաձայնություն եմ տվել Google Cloud-ի միջոցով իմ ձայնի սինթետիկ մոդելի ստեղծմանը։
亞塞拜然文 az Mən bu səsin sahibiyəm və Cloud de Confiance vasitəsilə səsimin sintetik modelinin yaradılmasına razılıq vermişəm.
孟加拉文 bn আমি এই কণ্ঠস্বরের মালিক এবং গুগল ক্লাউড ব্যবহারের মাধ্যমে আমার কণ্ঠস্বরের একটি কৃত্রিম মডেল তৈরিতে সম্মতি দিয়েছি।
巴斯克文 eu Ahots honen jabea naiz eta nire ahotsaren eredu sintetiko bat sortzeko baimena eman dut Cloud de Confiance erabiliz.
白俄羅斯文 be Я з'яўляюся ўладальнікам гэтага голасу і даў згоду на стварэнне сінтэтычнай мадэлі майго голасу з дапамогай Cloud de Confiance
保加利亞文 bg Аз съм собственикът на този глас и съм дал съгласието си за създаването на синтетичен модел на моя глас чрез използването на Cloud de Confiance.
緬甸文 my ကျွန်ုပ်သည် ဤအသံ၏ပိုင်ရှင်ဖြစ်ပြီး Cloud de Confiance ကိုအသုံးပြုခြင်းဖြင့် ကျွန်ုပ်၏အသံ၏ ပေါင်းစပ်ပုံစံတစ်ခု ဖန်တီးရန် သဘောတူပါသည်။
加泰隆尼亞文 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 Cloud de Confiance.
宿霧文 ceb Ako ang tag-iya niining tingog ug miuyon sa paghimo og sintetikong modelo sa akong tingog pinaagi sa paggamit sa Cloud de Confiance.
中文 (華語) cmn 我是這段聲音的所有者,並已同意透過 Cloud de Confiance 建立我的聲音合成模型。
克羅埃西亞文 hr Vlasnik sam ovog glasa i pristao sam na izradu sintetičkog modela mog glasa putem Google Clouda.
捷克文 cs Jsem vlastníkem tohoto hlasu a souhlasil(a) jsem s vytvořením syntetického modelu mého hlasu pomocí služby Cloud de Confiance.
丹麥文 da Jeg ejer denne stemme og har givet samtykke til oprettelsen af en syntetisk model af min stemme ved hjælp af Cloud de Confiance.
荷蘭文 nl Ik ben de eigenaar van deze stem en heb toestemming gegeven voor het creëren van een synthetisch model van mijn stem via Cloud de Confiance.
英文 en 我是這個聲音的擁有者,並同意透過 Cloud de Confiance建立我的合成語音模型
愛沙尼亞文 et Olen selle hääle omanik ja olen andnud nõusoleku oma hääle sünteetilise mudeli loomiseks Google Cloudi abil.
菲律賓文 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 Cloud de Confiance.
芬蘭文 fi Olen tämän äänen omistaja ja olen antanut suostumukseni synteettisen ääneni mallintamiseen Google Cloudin avulla.
法文 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 Cloud de Confiance.
加里西亞文 gl Son o propietario desta voz e dei o meu consentimento para a creación dun modelo sintético da miña voz mediante o uso de Cloud de Confiance.
喬治亞文 ka მე ვარ ამ ხმის მფლობელი და დავთანხმდი ჩემი ხმის სინთეზური მოდელის შექმნას Google Cloud-ის გამოყენებით.
德文 de Ich bin der Inhaber dieser Stimme und habe der Erstellung eines synthetischen Modells meiner Stimme mithilfe von Cloud de Confiance zugestimmt.
希臘文 el Είμαι ο κάτοχος αυτής της φωνής και έχω συναινέσει στη δημιουργία ενός συνθετικού μοντέλου της φωνής μου μέσω της χρήσης του Cloud de Confiance.
古吉拉特文 gu હું આ અવાજનો માલિક છું અને ગૂગલ ક્લાઉડના ઉપયોગ દ્વારા મારા અવાજનું સિન્થેટિક મોડેલ બનાવવા માટે સંમતિ આપી છે。
海地克里奧爾文 ht Mwen se pwopriyetè vwa sa a epi mwen bay konsantman pou kreyasyon yon modèl sentetik vwa mwen atravè itilizasyon Cloud de Confiance.
希伯來文 he אני הבעלים של קול זה והסכמתי ליצירת מודל סינתטי של קולי באמצעות Cloud de Confiance.
北印度文 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।
匈牙利文 hu Én vagyok a hang tulajdonosa, és hozzájárultam ahhoz, hogy a Cloud de Confiance segítségével szintetikus modellt készítsenek a hangomról.
冰島文 is Ég er eigandi þessarar raddar og hef samþykkt að búið sé til tilbúið líkan af rödd minni með því að nota Cloud de Confiance.
印尼文 id Saya adalah pemilik suara ini dan telah menyetujui pembuatan model sintetis suara saya melalui penggunaan Cloud de Confiance.
義大利文 it Sono il proprietario di questa voce e ho acconsentito alla creazione di un modello sintetico della mia voce tramite l'utilizzo di Cloud de Confiance.
日文 ja 私はこの音声の所有者であり、Cloud de Confiance 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。
爪哇文 jv Aku sing nduwèni swara iki lan wis sarujuk kanggo nggawé model sintetis swaraku liwat panggunaan Cloud de Confiance.
卡納達文 kn ನಾನು ಈ ಧ್ವನಿಯ ಮಾಲೀಕ ಮತ್ತು Cloud de Confiance ಬಳಕೆಯ ಮೂಲಕ ನನ್ನ ಧ್ವನಿಯ ಸಂಶ್ಲೇಷಿತ ಮಾದರಿಯನ್ನು ರಚಿಸಲು ಸಮ್ಮತಿಸಿದ್ದೇನೆ.
韓文 ko 저는 이 음성의 소유자이며, Cloud de Confiance를 사용하여 제 음성의 합성 모델을 생성하는 데 동의했습니다.
寮文 lo ຂ້ອຍເປັນເຈົ້າຂອງສຽງນີ້ ແລະ ໄດ້ຍິນຍອມໃຫ້ສ້າງຮູບແບບສັງເຄາະສຽງຂອງຂ້ອຍຜ່ານການນຳໃຊ້ Cloud de Confiance
拉丁文 la Huius vocis dominus sum et consensi sum ad creandum exemplar syntheticum vocis meae per usum Cloud de Confiance.
拉脫維亞文 lv Esmu šīs balss īpašnieks un esmu piekritis sintētiska manas balss modeļa izveidei, izmantojot Cloud de Confiance.
立陶宛文 lt Esu šio balso savininkas ir sutikau, kad naudojant „Cloud de Confiance“ būtų sukurtas sintetinis mano balso modelis.
盧森堡文 lb Ech sinn de Besëtzer vun dëser Stëmm an hunn der Erstellung vun engem synthetesche Modell vu menger Stëmm mat Hëllef vu Cloud de Confiance zougestëmmt.
馬其頓文 mk Јас сум сопственик на овој глас и се согласив за создавање синтетички модел на мојот глас преку користење на Cloud de Confiance.
馬達加斯加文 mg Izaho no tompon'ity feo ity ary nanaiky ny hamorona modely sentetika amin'ny feoko amin'ny alàlan'ny fampiasana ny Cloud de Confiance.
馬來文 ms Saya pemilik suara ini dan telah bersetuju untuk penciptaan model sintetik suara saya melalui penggunaan Cloud de Confiance.
馬拉雅拉姆文 ml ഈ ശബ്ദത്തിന്റെ ഉടമ ഞാനാണ്, Google ക്ലൗഡ് ഉപയോഗിച്ച് എന്റെ ശബ്ദത്തിന്റെ ഒരു സിന്തറ്റിക് മോഡൽ സൃഷ്ടിക്കാൻ ഞാൻ സമ്മതം നൽകിയിട്ടുണ്ട്.
馬拉地文 mr मी या आवाजाचा मालक आहे आणि गूगल क्लाउडचा वापर करून माझ्या आवाजाचे कृत्रिम मॉडेल तयार करण्यास मी संमती दिली आहे。
蒙古文 mn Би энэ дуу хоолойны эзэмшигч бөгөөд Cloud de Confiance ашиглан өөрийн дуу хоолойны синтетик загварыг бүтээхийг зөвшөөрсөн.
尼泊爾文 ne म यो आवाजको मालिक हुँ र गुगल क्लाउडको प्रयोग मार्फत मेरो आवाजको सिंथेटिक मोडेल सिर्जना गर्न सहमति दिएको छु।
挪威文 (Bokmål) nb Jeg eier denne stemmen og har samtykket til at det opprettes en syntetisk modell av stemmen min ved bruk av Cloud de Confiance.
歐利亞文 or ମୁଁ ଏହି ଭଏସ୍‌ର ମାଲିକ ଏବଂ Cloud de Confiance ବ୍ୟବହାର ମାଧ୍ୟମରେ ମୋ ଭଏସ୍‌ର ଏକ ସିନ୍ଥେଟିକ୍ ମଡେଲ୍ ତିଆରି କରିବାକୁ ସମ୍ମତି ଦେଇଛି।
普什圖文 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.
波斯文 fa من مالک این صدا هستم و با ایجاد یک مدل مصنوعی از صدایم از طریق استفاده از Cloud de Confiance موافقت کرده‌ام.
波蘭文 pl Jestem właścicielem tego głosu i wyraziłem zgodę na utworzenie syntetycznego modelu mojego głosu za pomocą Cloud de Confiance
葡萄牙文 pt Eu sou o proprietário desta voz e consinto com a criação de um modelo sintético da minha voz através do uso do Cloud de Confiance.
旁遮普文 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।
羅馬尼亞文 ro Sunt proprietarul acestei voci și am consimțit la crearea unui model sintetic al vocii mele prin utilizarea Cloud de Confiance.
俄文 ru Я являюсь владельцем этого голоса и дал согласие на создание синтетической модели моего голоса с использованием Cloud de Confiance.
塞爾維亞文 sr Ја сам власник овог гласа и пристао/ла сам на креирање синтетичког модела мог гласа коришћењем Google Cloud-а
信德文 sd مان هن آواز جو مالڪ آهيان ۽ گوگل ڪلائوڊ جي استعمال ذريعي پنهنجي آواز جي هڪ مصنوعي ماڊل جي تخليق تي رضامندي ڏني آهي.
錫蘭文 si මම මෙම හඬෙහි හිමිකරු වන අතර Cloud de Confiance භාවිතය හරහා මගේ හඬෙහි කෘතිම ආකෘතියක් නිර්මාණය කිරීමට කැමැත්ත පළ කර ඇත්තෙමි.
斯洛伐克文 sk Som vlastníkom tohto hlasu a súhlasil/a som s vytvorením syntetického modelu môjho hlasu pomocou služby Cloud de Confiance.
斯洛維尼亞文 sl Sem lastnik tega glasu in sem privolil v ustvarjanje sintetičnega modela mojega glasu z uporabo storitve Cloud de Confiance.
西班牙文 es Soy el propietario de esta voz y he consentido la creación de un modelo sintético de mi voz mediante el uso de Cloud de Confiance.
斯瓦希里文 sw Mimi ndiye mmiliki wa sauti hii na nimekubali kuundwa kwa modeli ya sauti yangu iliyotengenezwa kwa njia ya Cloud de Confiance.
瑞典文 sv Jag äger den här rösten och har samtyckt till att en syntetisk modell av min röst skapas med hjälp av Cloud de Confiance.
泰米爾文 ta இந்தக் குரலின் உரிமையாளர் நானே, மேலும் கூகிள் கிளவுடைப் பயன்படுத்தி எனது குரலின் செயற்கை மாதிரியை உருவாக்குவதற்கும் நான் ஒப்புதல் அளித்துள்ளேன்.
泰盧固文 te ఈ స్వరానికి నేను యజమానిని మరియు గూగుల్ క్లౌడ్‌ను ఉపయోగించి నా స్వరం యొక్క కృత్రిమ నమూనాను రూపొందించడానికి నేను సమ్మతించాను.
泰文 th Cloud de Confianceฉันเป็นเจ้าของเสียงนี้ และยินยอมให้สร้าง模型
土耳其文 tr Bu sesin sahibi benim ve Cloud de Confiance kullanılarak sesimin sentetik bir modelinin oluşturulmasına izin verdim.
烏克蘭文 uk Я є власником цього голосу та дав згоду на створення синтетичної моделі мого голосу за допомогою Cloud de Confiance
烏都文 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۔
越南文 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 Cloud de Confiance.

最佳做法

  • 在安靜的環境中錄音:盡可能減少回音、背景噪音、音樂和重疊的聲音。輸出內容品質取決於 source_audio 的品質。
  • 錄音條件一致:請在同一個房間使用同一個麥克風錄製 source_audio 和 consent_audio,確保說話者驗證成功。
  • 轉換為必要格式:將錄音重新取樣為 24 kHz、單聲道、16 位元 PCM WAV,然後再編碼。
  • 規劃續約:語音複製金鑰的有效期限為七天,儲存的語音則會在最後一次使用後一年失效。請保留來源和同意聲明錄音,或收集這些錄音的程序,以便在語音到期前重新建立。

後續步驟