在 LobeHub 中使用 Google Gemini

Gemini AI 是由 Google AI 创建的一组大型语言模型(LLM),以其在多模式理解和处理方面的尖端进步而闻名。它本质上是一个强大的人工智能工具,可以处理涉及不同类型数据的各种任务,而不仅仅是文本。
本文档将指导你如何在 LobeHub 中使用 Google Gemini:
步骤一:获取 Google 的 API 密钥
- 访问并登录 Google AI Studio
- 在
获取 API 密钥菜单中创建 API 密钥

- 选择一个项目并创建 API 密钥,或者在新项目中创建 API 密钥

- 在弹出的对话框中复制 API 密钥

步骤二:在 LobeHub 中配置 Google Gemini
- 打开 应用设置 → AI 服务商,选择 Google,然后打开服务商
- 填写 API Key;如需使用代理,可以填写代理地址

- 点击 检查 测试连接
- 在模型列表中启用需要的 Gemini 模型,然后在助理设置中选择该模型

在使用过程中你可能需要向 API 服务提供商付费,请参考 Google Gemini 的费用政策。
至此,你已经可以在 LobeHub 中使用 Google Gemini 啦。
语音合成(Gemini TTS)
Google 服务商还可以通过 Gemini TTS 把文字转成语音,使用与对话模型相同的 API Key。
选择模型与默认音色
-
打开 应用设置 → AI 服务商 → Google,模型列表的 TTS 标签页会列出 Gemini 语音模型:
模型 说明 gemini-3.8-flash-tts默认启用,推荐使用。 gemini-3.8-flash-lite-tts默认启用,成本与延迟更低。 gemini-2.5-flash-preview-tts旧版预览模型,Google 最早于 2026-11-17 下线。 gemini-2.5-pro-preview-tts旧版预览模型,Google 最早于 2026-11-17 下线。 -
用模型右侧的开关启用或停用模型。
-
如需修改请求未指定音色时使用的音色,点击模型的 配置 按钮,在 默认音色 中选择。列表包含 Gemini 全部 30 个预置音色及其风格(如
Kore · Firm、Puck · Upbeat)。留空则使用模型默认音色Kore。该设置按模型保存,对 LobeHub CLI 和/api/v1/audio/speech接口生效。
生成语音
Shell
- 音色:30 个预置音色之一,如
Kore、Puck、Zephyr、Charon。每个音色都支持全部语言,包括中文和英文。 - 风格:Gemini 没有数值化的语速、音调和音量参数,请用
--instructions以自然语言描述语速和语气,例如「用平静的语气慢慢说」。Gemini 模型会拒绝--speed、--pitch、--volume和--emotion。 - 格式:Gemini 返回 24 kHz、16 位单声道 PCM,LobeHub 将其编码为 MP3(24 kHz 单声道,40 kbps)。通过 CLI 和语音接口只返回这一种格式(
audio/mpeg)。 - 长度:单次请求最多返回约 11 分钟音频,更长的文本请拆成多次请求。
- 计费:Gemini TTS 按输入文本 Token 与生成的音频 Token(每秒音频约 25 个 Token)计费,详见 Gemini API 价格。
常见问题
- 「Google API Key 不正确或为空……」:未设置 API Key,或 Google 拒绝了该 Key。请在 应用设置 → AI 服务商 → Google 中检查,自部署服务请检查
GOOGLE_API_KEY。 - 限流错误:请求超出了当前 Gemini API 档位的 TTS 速率限制。请稍后重试,或提升 Google Cloud 项目的档位。
- 内容被拦截:Gemini 出于安全原因拒绝了该文本,请调整措辞。