Gemini 原生格式（语音生成）

部分 Gemini TTS 模型通过 generateContent 返回音频数据。请求体使用 Gemini 原生格式，不能与 OpenAI /v1/audio/speech 的字段直接混用。

请求示例

curl -X POST "https://www.walmind.cn/v1beta/models/your-tts-model:generateContent" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $API_KEY" \
  -d '{
    "contents": [
      {"parts": [{"text": "欢迎使用华明模型 API。"}]}
    ],
    "generationConfig": {
      "responseModalities": ["AUDIO"],
      "speechConfig": {
        "voiceConfig": {
          "prebuiltVoiceConfig": {"voiceName": "your-voice"}
        }
      }
    }
  }'

生成的音频通常以响应 Part 中的 inlineData 返回，包含 MIME 类型和 Base64 数据。客户端应先解码 Base64，再按照 MIME 类型保存文件。可用 TTS 模型、音色和编码由渠道配置决定。