> ## Documentation Index > Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt > Use this file to discover all available pages before exploring further. # ChatGoogle 集成 > 使用 LangChain JavaScript 集成 ChatGoogle 聊天模型。 该库支持访问多种 Google 模型，包括 Gemini 系列模型及其 Nano Banana 图像生成模型。您可以通过 Google 的 [Google AI](https://ai.google.dev/) API（有时也称为 Generative AI API 或 AI Studio API）或通过 Google Cloud Platform 的 [Vertex AI](https://cloud.google.com/vertex-ai) 服务来访问这些模型。 这将帮助您开始使用 `ChatGoogle` [聊天模型](/oss/javascript/langchain/models)。有关 `ChatGoogle` 所有功能和配置的详细文档，请参阅 [API 参考](https://reference.langchain.com/javascript/langchain-google/index/ChatGoogle)。 `@langchain/google` 是所有新 Google Gemini 集成的推荐包。 它取代了旧的 [`@langchain/google-genai`](/oss/javascript/integrations/chat/google_generative_ai) 和 [`@langchain/google-vertexai`](/oss/javascript/integrations/chat/google_vertex_ai) 包。 有关迁移详情，请参阅 [遗留包](/oss/javascript/integrations/providers/google#legacy-packages)。 ## 概述 ### 集成详情 | 类 | 包 | 可序列化 | PY 支持 | 下载量 | 版本 | | :------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------- | :--: | :---: | :-----------------------------------------------------------------------------------------------: | :--------------------------------------------------------------------------------------------: | | [`ChatGoogle`](https://reference.langchain.com/javascript/langchain-google/index/ChatGoogle) | [`@langchain/google`](https://www.npmjs.com/package/@langchain/google) | ✅ | ✅ | ![NPM - Downloads](https://img.shields.io/npm/dm/@langchain/google?style=flat-square\&label=%20&) | ![NPM - Version](https://img.shields.io/npm/v/@langchain/google?style=flat-square\&label=%20&) | ### 模型特性 有关如何使用特定功能的指南，请参阅下表标题中的链接。 | [工具调用](/oss/javascript/langchain/tools) | [结构化输出](/oss/javascript/langchain/structured-output) | [图像输入](/oss/javascript/langchain/messages#multimodal) | 音频输入 | 视频输入 | [令牌级流式传输](/oss/javascript/langchain/streaming/) | [令牌使用量](/oss/javascript/langchain/models#token-usage) | [对数概率](/oss/javascript/langchain/models#log-probabilities) | | :-------------------------------------: | :--------------------------------------------------: | :---------------------------------------------------: | :--: | :--: | :---------------------------------------------: | :---------------------------------------------------: | :--------------------------------------------------------: | | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | 请注意，虽然支持对数概率，但 Gemini 对其使用有相当严格的限制。 ## 设置 ### 通过 AI Studio 的凭据（API 密钥） 要通过 Google AI Studio（有时称为 Generative AI API）使用模型，您需要一个 API 密钥。您可以从 [Google AI Studio](https://aistudio.google.com/app/apikey) 获取。 获得 API 密钥后，您可以将其设置为环境变量： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} export GOOGLE_API_KEY="your-api-key" ``` 或者，您可以直接将其传递给模型构造函数： ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle({ apiKey: "your-api-key", model: "gemini-2.5-flash", }); ``` ### 通过 Vertex AI Express 模式的凭据（API 密钥） Vertex AI 也支持 [Express 模式](https://cloud.google.com/vertex-ai/docs/start/introduction-unified-platform#express-mode)，允许您使用 API 密钥进行身份验证。您可以从 [Google Cloud Console](https://console.cloud.google.com/vertex-ai/studio/api-key) 获取 Vertex AI API 密钥。 获得 API 密钥后，您可以将其设置为环境变量： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} export GOOGLE_API_KEY="your-api-key" ``` 使用 [Vertex AI Express 模式](https://docs.cloud.google.com/vertex-ai/generative-ai/docs/start/express-mode/overview) 时，在实例化模型时还需要将平台类型指定为 `gcp`。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llm = new ChatGoogle({ model: "gemini-2.5-flash", platformType: "gcp", // apiKey: "...", // 如果设置了 GOOGLE_API_KEY，则为可选 }); ``` ### 通过 Vertex AI 的凭据（OAuth 应用程序默认凭据 / ADC） 对于 Google Cloud 上的生产环境，建议使用 [应用程序默认凭据 (ADC)](https://cloud.google.com/docs/authentication/provide-credentials-adc)。这在 Node.js 环境中受支持。 如果您在本地机器上运行，可以通过安装 [Google Cloud SDK](https://cloud.google.com/sdk) 并运行以下命令来设置 ADC： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} gcloud auth application-default login ``` 或者，您可以将 `GOOGLE_APPLICATION_CREDENTIALS` 环境变量设置为服务帐户密钥文件的路径： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} export GOOGLE_APPLICATION_CREDENTIALS="/path/to/your/service-account-key.json" ``` ### 通过 Vertex AI 的凭据（OAuth 保存的凭据） 如果您在 Web 环境中运行或希望直接提供凭据，可以使用 `GOOGLE_CLOUD_CREDENTIALS` 环境变量。这应包含您的服务帐户密钥文件的**内容**（而非路径）。 ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} export GOOGLE_CLOUD_CREDENTIALS='{"type":"service_account","project_id":"your-project-id",...}' ``` 您也可以使用 `credentials` 参数在代码中直接提供这些凭据。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llm = new ChatGoogle({ model: "gemini-2.5-flash", platformType: "gcp", credentials: { type: "service_account", project_id: "your-project-id", private_key_id: "your-private-key-id", private_key: "your-private-key", client_email: "your-service-account-email", client_id: "your-client-id", auth_uri: "https://accounts.google.com/o/oauth2/auth", token_uri: "https://oauth2.googleapis.com/token", auth_provider_x509_cert_url: "https://www.googleapis.com/oauth2/v1/certs", client_x509_cert_url: "your-cert-url", } }); ``` ### 追踪 如果您希望自动追踪模型调用，也可以通过取消注释以下内容来设置您的 [LangSmith](/langsmith/home) API 密钥： ```bash theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} # export LANGSMITH_TRACING="true" # export LANGSMITH_API_KEY="your-api-key" ``` ### 安装 LangChain `ChatGoogle` 集成位于 `@langchain/google` 包中： ```bash npm theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} npm install @langchain/google @langchain/core ``` ```bash yarn theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} yarn add @langchain/google @langchain/core ``` ```bash pnpm theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} pnpm add @langchain/google @langchain/core ``` ## 实例化 导入路径根据您是在 Node.js 环境还是 Web/Edge 环境中运行而有所不同。 ```typescript Node.js theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google/node"; ``` ```typescript Web/Edge theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; ``` 模型将根据您的配置自动确定是使用 Google AI API 还是 Vertex AI： * 如果您提供 `apiKey`（或设置 `GOOGLE_API_KEY`），则默认为 Google AI。 * 如果您提供 `credentials`（或在 Node 中设置 `GOOGLE_APPLICATION_CREDENTIALS` / `GOOGLE_CLOUD_CREDENTIALS`），则默认为 Vertex AI。 ### Google AI (AI Studio) ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llm = new ChatGoogle({ model: "gemini-2.5-flash", maxRetries: 2, // apiKey: "...", // 如果设置了 GOOGLE_API_KEY，则为可选 }); ``` ### Vertex AI ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llm = new ChatGoogle({ model: "gemini-2.5-flash", // credentials: { ... }, // 如果使用 ADC 或 GOOGLE_CLOUD_CREDENTIALS，则为可选 }); ``` ### Vertex AI Express 模式 要使用带有 API 密钥的 Vertex AI（Express 模式），必须显式设置 `platformType`。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llm = new ChatGoogle({ model: "gemini-2.5-flash", platformType: "gcp", // apiKey: "...", // 如果设置了 GOOGLE_API_KEY，则为可选 }); ``` ### 模型配置最佳实践 虽然 `ChatGoogle` 支持标准模型参数，如 `temperature`、`topP` 和 `topK`，但使用 Gemini 模型的最佳实践是保持这些值为默认值。这些模型围绕这些默认值进行了高度优化。 如果您想控制模型的“随机性”或“创造性”，建议在提示或系统提示中使用特定指令（例如，“要有创造性”、“给出简洁的事实性答案”），而不是调整温度。 ## 调用 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { HumanMessage, SystemMessage } from "@langchain/core/messages"; const aiMsg = await llm.invoke([ new SystemMessage( "你是一个将英语翻译成法语的助手。翻译用户的句子。" ), new HumanMessage("I love programming."), ]); ``` ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} console.log(aiMsg.text); ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} J'adore programmer. ``` ## 响应元数据 `AIMessage` 响应包含有关生成的元数据，包括令牌使用量和对数概率。 ### 令牌使用量 `usage_metadata` 属性允许您检查令牌计数。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const res = await llm.invoke("Hello, how are you?"); console.log(res.usage_metadata); ``` ```text theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} { input_tokens: 6, output_tokens: 7, total_tokens: 13 } ``` ### 对数概率 如果您在模型配置中启用了 `logprobs`，它们将在 `response_metadata` 中可用。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const llmWithLogprobs = new ChatGoogle({ model: "gemini-2.5-flash", logprobs: 2, // 要返回的候选数量 }); const resWithLogprobs = await llmWithLogprobs.invoke("Hello"); console.log(resWithLogprobs.response_metadata.logprobs_result); ``` ## 安全设置 默认情况下，当前版本的 Gemini 已关闭安全设置。 如果您想为各种类别启用安全设置，可以使用模型的 `safetySettings` 属性。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle({ model: "gemini-2.5-flash", safetySettings: [ { category: "HARM_CATEGORY_HARASSMENT", threshold: "BLOCK_LOW_AND_ABOVE", }, ], }); ``` ## 结构化输出 您可以使用 `withStructuredOutput` 方法从模型获取结构化的 JSON 输出。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; import { z } from "zod"; const llm = new ChatGoogle("gemini-2.5-flash"); const schema = z.object({ people: z.array(z.object({ name: z.string().describe("人名"), age: z.number().describe("人的年龄"), })), }); const structuredLlm = llm.withStructuredOutput(schema); const res = await structuredLlm.invoke("John is 25 and Jane is 30."); console.log(res); ``` ```json theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} { "people": [ { "name": "John", "age": 25 }, { "name": "Jane", "age": 30 } ] } ``` ## 工具调用 `ChatGoogle` 支持标准的 LangChain [工具调用](/oss/javascript/langchain/tools)，以及 Gemini 特定的“专业工具”（如代码执行和 Grounding）。 ### 标准工具 您可以使用使用 Zod 模式定义的标准 LangChain 工具。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; import { tool } from "@langchain/core/tools"; import { z } from "zod"; const weatherTool = tool((input) => { return "天气晴朗，75华氏度。"; }, { name: "get_weather", description: "获取某个位置的天气", schema: z.object({ location: z.string(), }), }); const llm = new ChatGoogle("gemini-2.5-flash") .bindTools([weatherTool]); const res = await llm.invoke("旧金山的天气如何？"); console.log(res.tool_calls); ``` ### 专业工具 Gemini 提供了几种用于代码执行和 Grounding 的内置工具。 您不能在同一个请求中混合使用这些“专业工具”（代码执行、Google 搜索等）和标准的 LangChain 工具（如上面的天气工具）。 #### 代码执行 Gemini 模型支持代码执行，允许模型生成并运行 Python 代码来解决复杂问题。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle("gemini-2.5-flash") .bindTools([ { codeExecution: {}, }, ]); const res = await llm.invoke("计算第 100 个斐波那契数。"); console.log(res.contentBlocks); ``` #### 使用 Google 搜索进行 Grounding 您可以使用 `googleSearch` 工具通过 Google 搜索来 Grounding 响应。这对于有关当前事件或特定事实的问题很有用。 `googleSearchRetrieval` 工具为向后兼容而保留，但推荐使用 `googleSearch`。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle("gemini-2.5-flash") .bindTools([ { googleSearch: {}, }, ]); const res = await llm.invoke("谁赢得了最近的世界大赛？"); console.log(res.text); ``` #### 使用 URL 检索进行 Grounding 您也可以使用特定 URL 来 Grounding 响应。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle("gemini-2.5-flash") .bindTools([ { urlContext: {}, }, ]); const prompt = "总结这个页面：https://js.langchain.com/"; const res = await llm.invoke(prompt); console.log(res.text); ``` #### 使用数据存储进行 Grounding 如果您使用 Vertex AI（`platformType: "gcp"`），可以使用 Vertex AI Search 数据存储来 Grounding 响应。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const projectId = "YOUR_PROJECT_ID"; const datastoreId = "YOUR_DATASTORE_ID"; const searchRetrievalToolWithDataset = { retrieval: { vertexAiSearch: { datastore: `projects/${projectId}/locations/global/collections/default_collection/dataStores/${datastoreId}`, }, disableAttribution: false, }, }; const llm = new ChatGoogle({ model: "gemini-2.5-pro", platformType: "gcp", }).bindTools([searchRetrievalToolWithDataset]); const res = await llm.invoke( "阿根廷对玻利维亚足球比赛的比分是多少？" ); console.log(res.text); ``` ## 上下文缓存 默认情况下，Gemini 模型会进行隐式上下文缓存。如果您发送给 Gemini 的历史记录的开头与 Gemini 缓存中的上下文完全匹配，它将减少该请求的令牌成本。 您也可以显式地将某些内容传递给模型一次，缓存输入令牌，然后在后续请求中引用缓存的令牌以降低成本和延迟。创建这种显式缓存不受 LangChain 支持，但如果您已创建缓存，则可以在调用中引用它。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle("gemini-2.5-pro"); // 将缓存名称传递给模型 const res = await llm.invoke("总结这个文档", { cachedContent: "projects/123/locations/us-central1/cachedContents/456", }); ``` ## 多模态请求 `ChatGoogle` 模型支持多模态请求，允许您发送图像、音频和视频以及文本。您可以在消息中使用 `contentBlocks` 字段以结构化方式提供这些输入。 ### 图像 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; import { HumanMessage } from "@langchain/core/messages"; import * as fs from "fs"; const llm = new ChatGoogle("gemini-2.5-flash"); const image = fs.readFileSync("./hotdog.jpg").toString("base64"); const res = await llm.invoke([ new HumanMessage({ contentBlocks: [ { type: "text", text: "这张图片里有什么？", }, { type: "image", mimeType: "image/jpeg", data: image, }, ], }), ]); console.log(res.text); ``` ### 音频 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const audio = fs.readFileSync("./speech.wav").toString("base64"); const res = await llm.invoke([ new HumanMessage({ contentBlocks: [ { type: "text", text: "总结这段音频。", }, { type: "audio", mimeType: "audio/wav", data: audio, }, ], }), ]); console.log(res.text); ``` ### 视频 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const video = fs.readFileSync("./movie.mp4").toString("base64"); const res = await llm.invoke([ new HumanMessage({ contentBlocks: [ { type: "text", text: "描述这个视频。", }, { type: "video", mimeType: "video/mp4", data: video, }, ], }), ]); console.log(res.text); ``` {/* TODO: 添加视频剪辑间隔和帧率部分 */} ## 推理 / 思考 Google 的 Gemini 2.5 和 Gemini 3 模型支持“思考”或“推理”步骤。即使您没有显式配置，这些模型也可能执行推理，但只有在您显式设置推理/思考量值时，库才会返回推理摘要（思考块）。 该库提供了模型之间的兼容性，允许您使用统一的参数： * `maxReasoningTokens`（或 `thinkingBudget`）：指定用于推理的最大令牌数。 * `0`：关闭推理（如果支持）。 * `-1`：使用模型的默认值。 * `> 0`：设置特定的令牌预算。 * `reasoningEffort`（或 `thinkingLevel`）：设置相对努力程度。 * 值：`"minimal"`、`"low"`、`"medium"`、`"high"`。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; const llm = new ChatGoogle({ model: "gemini-3.1-pro-preview", reasoningEffort: "high", }); const res = await llm.invoke("144 的平方根是多少？"); // 推理步骤在 contentBlocks 中可用 const reasoningBlocks = res.contentBlocks.filter((block) => block.type === "reasoning"); reasoningBlocks.forEach((block) => { if (block.type === "reasoning") { console.log("思考：", block.reasoning); } }); console.log("答案：", res.text); ``` 思考块还包含一个 `reasoningContentBlock` 字段。它包含基于 Gemini 发送的底层部分的 `ContentBlock`。虽然这通常是一个文本块，但对于像 Nano Banana Pro 这样的多模态模型，它可能是一个图像或其他媒体块。 ## 使用 Nano Banana 和 Nano Banana Pro 生成图像 要生成图像，您需要使用支持此功能的模型（例如 `gemini-2.5-flash-image`）并将 `responseModalities` 配置为包含 "IMAGE"。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; import * as fs from "fs"; const llm = new ChatGoogle({ model: "gemini-2.5-flash-image", responseModalities: ["IMAGE", "TEXT"], }); const res = await llm.invoke( "我想看一幅太阳高照的房子的画。用蜡笔画。" ); // 生成的图像在消息的 contentBlocks 中返回 for (const [index, block] of res.contentBlocks.entries()) { if (block.type === "file" && block.data) { const base64Data = block.data; // 根据 MIME 类型确定正确的文件扩展名 const mimeType = (block.mimeType || "image/png").split(";")[0]; const extension = mimeType.split("/")[1] || "png"; const filename = `generated_image_${index}.${extension}`; // 将图像保存到文件 fs.writeFileSync(filename, Buffer.from(base64Data, "base64")); console.log(`[已保存图像到 ${filename}]`); } else if (block.type === "text") { console.log(block.text); } } ``` ## 语音生成 (TTS) 一些 Gemini 模型支持生成语音（音频输出）。要启用此功能，请将 `responseModalities` 配置为包含 "AUDIO" 并提供 `speechConfig`。 `speechConfig` 可以是一个 [完整的 Gemini 语音配置对象](https://ai.google.dev/api/generate-content#SpeechConfig)，但在大多数情况下，您只需要提供一个包含预构建 [语音名称](https://ai.google.dev/gemini-api/docs/speech-generation#voices) 的字符串。 许多模型以原始 PCM 格式（`audio/L16`）返回音频，这需要 WAV 头才能被大多数媒体播放器播放。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} import { ChatGoogle } from "@langchain/google"; import * as fs from "fs"; const llm = new ChatGoogle({ model: "gemini-2.5-flash-preview-tts", responseModalities: ["AUDIO", "TEXT"], speechConfig: "Zubenelgenubi", // 预构建语音名称 }); const res = await llm.invoke("愉快地说：祝你有美好的一天！"); // 为原始 PCM 数据添加 WAV 头的函数 function addWavHeader(pcmData: Buffer, sampleRate = 24000) { const header = Buffer.alloc(44); header.write("RIFF", 0); header.writeUInt32LE(36 + pcmData.length, 4); header.write("WAVE", 8); header.write("fmt ", 12); header.writeUInt32LE(16, 16); header.writeUInt16LE(1, 20); // PCM header.writeUInt16LE(1, 22); // 单声道 header.writeUInt32LE(sampleRate, 24); header.writeUInt32LE(sampleRate * 2, 28); // 字节率（16 位单声道） header.writeUInt16LE(2, 32); // 块对齐 header.writeUInt16LE(16, 34); // 每样本位数 header.write("data", 36); header.writeUInt32LE(pcmData.length, 40); return Buffer.concat([header, pcmData]); } // 生成的音频在 contentBlocks 中返回 for (const [index, block] of res.contentBlocks.entries()) { if (block.type === "file" && block.data) { let audioBuffer = Buffer.from(block.data, "base64"); let filename = `generated_audio_${index}.wav`; if (block.mimeType?.startsWith("audio/L16")) { audioBuffer = addWavHeader(audioBuffer); } else if (block.mimeType) { // 忽略 MIME 类型中的参数，例如 "; rate=24000" const mimeType = block.mimeType.split(";")[0]; const extension = mimeType.split("/")[1] || "wav"; filename = `generated_audio_${index}.${extension}`; } // 将音频保存到文件 fs.writeFileSync(filename, audioBuffer); console.log(`[已保存音频到 ${filename}]`); } else if (block.type === "text") { console.log(block.text); } } ``` ### 多说话人 TTS 您还可以为单个请求配置多个说话人。这对于让 Gemini 朗读脚本很有用。为此的简化 `speechConfig` 要求您为每个代表语音的预定义 `name` 分配一个 `speaker`，然后在脚本中使用该说话人。 ```typescript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}} const multiSpeakerLlm = new ChatGoogle({ model: "gemini-2.5-flash-preview-tts", responseModalities: ["AUDIO"], speechConfig: [ { speaker: "Joe", name: "Kore" }, { speaker: "Jane", name: "Puck" }, ], }); const res = await multiSpeakerLlm.invoke(` Joe: 简，今天过得怎么样？ Jane: 还不错，你呢？ `); ``` ## API 参考 有关 `ChatGoogle` 所有功能和配置的详细文档，请参阅 [API 参考](https://reference.langchain.com/javascript/langchain-google/index/ChatGoogle)。 ***
[Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\oss\javascript\integrations\chat\google.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose). [Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.