Gemini Live × VoxCPM2
Gemini 原生音频不会播放，只使用 outputAudioTranscription；文本切句后交给 VoxCPM2 合成。
1. 选择本次通话的音色
预置音色
使用自己的参考音频
上传参考音频
建议使用 5–15 秒、单人、无背景音乐的清晰人声，最大 10 MB。
输入参考音频逐字稿
文字应与参考音频完全对应，包括实际说出的标点和语气。
2. 开始通话
开始通话
停止
请先选择参考音频并填写逐字稿
我说
—
Gemini 输出转写
—