🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
مدل ها/صوتی/جمینی TTS
زندگی کنید4 مدل

Gemini TTS API — متن به گفتار Google Gemini

API Gemini TTS Muapi مجموعه کامل متن به گفتار Gemini Google را از طریق یک ادغام REST یکپارچه به شما می دهد: Gemini 3.8 Flash TTS، Gemini 3.8 Flash Lite TTS، Gemini 3.1 Flash TTS و Gemini 2.5 Pro TTS.هر مدل از قالب گفتگوی چند گوینده یکسانی استفاده می کند - صداها، لهجه ها، سبک های احساسی و سرعت گوینده را تعریف کنید، سپس دیالوگ های سفارشی اسکریپت را با برچسب های آهنگ درون خطی مانند [نجواها] یا [فریاد] بچرخانید. قیمت گذاری از 0.01 دلار به ازای هر 1000 کاراکتر با الگوی ارسال و نظرسنجی ناهمزمان یکسان در هر سطح اجرا می شود.

i

ترکیب کامل Gemini TTS در Muapi پخش می شود

سطح Gemini TTS را بر اساس وفاداری، تأخیر و هزینه انتخاب کنید، بلندگوهای خود را تعریف کنید، دیالوگ را اسکریپت کنید، و شناسه درخواست برگشتی را برای یک فایل صوتی قابل دانلود نظرسنجی کنید.

Gemini 3.8 Flash & Flash Lite TTS

جدیدترین نسل Gemini TTS گوگل — وفاداری در سطح استودیویی یا گفتار مکالمه ای با سرعت بالا و تاخیر کم2 مدل
TTSجدید
3.8 فلش

Gemini 3.8 Flash TTS

جدیدترین مدل Gemini TTS با سطح فلش گوگل با وفاداری صدای استودیویی، بازیگری رسا و پایداری در فرم طولانی با قیمت 0.015 دلار/1000 کاراکتر.

Dialogue → audioسریع
$0.015/1,000 chars
مدل را امتحان کنید
TTSجدید
3.8 فلش

Gemini 3.8 Flash Lite TTS

مقرون به صرفه ترین سطح Gemini TTS — گفتار مکالمه ای با توان عملیاتی بالا و با تأخیر کم با 0.01 دلار/1000 کاراکتر.

Dialogue → audioسریع
$0.01/1,000 chars
مدل را امتحان کنید

Gemini 3.1 Flash TTS

گفتگوی چند بلندگوی سریع و مقرون به صرفه1 مدل
TTSزندگی کنید
3.1 فلش

Gemini 3.1 Flash TTS

سخنرانی چند گوینده مقرون به صرفه با صداهای متمایز، لهجه ها، سبک های احساسی، و برچسب های لحن درون خطی مانند [نجواها].

Dialogue → audioسریع
$0.035/1,000 chars
مدل را امتحان کنید

Gemini 2.5 Pro TTS

دیالوگ چند بلندگو با کیفیت استودیو ممتاز1 مدل
TTSزندگی کنید
2.5 Pro

Gemini 2.5 Pro TTS

سخنرانی چند بلندگوی ممتاز برای کتاب‌های صوتی، گفت‌وگوهای سینمایی، و روایت طولانی با ارائه وفاداری بالا.

Dialogue → audio
$0.035/1,000 chars
مدل را امتحان کنید

Gemini TTS API چیست؟

مدل‌های Gemini TTS گوگل یک اسکریپت نوشته شده را به صدای رسا و چند بلندگو تبدیل می‌کنند. هر ردیف شکل درخواستی یکسانی دارد: یک یا چند سخنران را با صدا، لهجه، سبک احساسی و سرعت تعریف کنید، سپس نوبت‌های گفتگوی مرتبی را بنویسید که به آن بلندگوها اشاره می‌کنند، با برچسب‌های تن خطی مانند [نجواها]، [فریاد] یا [تعیین] جهت احساسی سطح خط.

Muapi هر چهار سطح Gemini TTS - Gemini 3.8 Flash TTS، Gemini 3.8 Flash Lite TTS، Gemini 3.1 Flash TTS و Gemini 2.5 Pro TTS - را از طریق یک کلید API، یک جریان ارسال و نظرسنجی ناهمزمان، و صورت‌حساب پرداخت شفاف که با نرخ‌های منتشر شده خود Google مطابقت دارد، نشان می‌دهد.

قابلیت های Gemini TTS

دیالوگ چند گوینده

هر لایه Gemini TTS صداها، لهجه‌ها و سبک‌های ارائه متفاوتی را به نوبت‌های مکالمه اسکریپت‌شده از طریق قالب مشترک «سخنران» / «گفتگوی_چرخه‌ها» اختصاص می‌دهد.

احساس درونی و لحن

برچسب‌هایی مانند [نجواها]، [فریاد زدن] و [تصمیم] را مستقیماً در متن گفتگو برای کنترل رسا و در سطح خط قرار دهید.

چهار طبقه، یک شکل

Gemini 3.8 Flash TTS را برای وفاداری درجه یک استودیویی، Gemini 3.8 Flash Lite TTS برای کمترین هزینه و تأخیر، Gemini 3.1 Flash TTS برای تعادل سریع نسل قبلی یا Gemini 2.5 Pro TTS برای روایت برتر انتخاب کنید — همه با طرح درخواست یکسان.

30 صدای از پیش ساخته شده، 8 لهجه

از بین 30 نام صوتی Gemini (Zephyr، Fenrir، Puck، Kore، و بیشتر) و 8 لهجه از جمله خنثی، انواع آمریکایی، انگلیسی (RP)، بریتانیایی (Brixton)، Transatlantic، و استرالیایی انتخاب کنید.

کنترل صحنه و لحن

یک توضیح اختیاری «صحنه» برای تنظیمات صوتی و «نمونه_زمینه» برای لحن روایت کلی، به‌علاوه یک کنترل «دما» برای تغییرات تحویل تنظیم کنید.

قیمت گذاری رسمی گوگل

هر سطح با نرخ خروجی صوتی Gemini TTS منتشر شده Google در هر 1000 کاراکتر، بدون نشانه گذاری و بدون اشتراک صورتحساب می شود.

موارد استفاده Gemini TTS

گفتگو و بازی با شخصیت

NPCهای صوتی و مکالمات انشعابی با شخصیت‌های متمایز و هیجان‌انگیز با استفاده از Gemini 3.8 Flash یا Flash Lite TTS.

عوامل هوش مصنوعی مکالمه ای

عوامل صوتی بلادرنگ و سیستم‌های تلفن گویا را با تولید کم تأخیر و بازده بالا Gemini 3.8 Flash Lite TTS تقویت کنید.

پادکست و کتاب صوتی

با کیفیت استودیو Gemini 2.5 Pro TTS، صدای مکالمه چند میزبان یا روایت طولانی را تولید کنید.

نمونه سازی

قبل از رندر نهایی با وفاداری بالا، به سرعت روی لحن، لهجه و سرعت در Gemini 3.1 Flash TTS تکرار کنید.

مقایسه مدل جمینی TTS

مدلارائه دهندهقیمتبهترین برای

نمونه های Gemini TTS API

بلندگوها و نوبت‌های گفتگو را با کلید Muapi API خود ارسال کنید، شناسه درخواست را ذخیره کنید، و نقطه پایانی پیش‌بینی استاندارد برای URL صوتی را نظرسنجی کنید.

با Gemini 3.8 Flash TTS تولید کنید

curl -X POST https://api.muapi.ai/api/v1/gemini-3-8-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

# Response: {"request_id":"REQUEST_ID"}

وفاداری صدای درجه یک استودیویی و پایداری طولانی برای گفتگو و روایت شخصیت.

با Gemini 3.8 Flash Lite TTS تولید کنید

curl -X POST https://api.muapi.ai/api/v1/gemini-3-8-flash-lite-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Zephyr","accent":"American (Gen)","style":"Newscaster","pace":"Rapid Fire"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"Breaking news, delivered fast and clear."}]}'

کم‌هزینه‌ترین و کم‌هزینه‌ترین سطح Gemini TTS برای گفتار مکالمه با توان بالا.

با Gemini 3.1 Flash TTS تولید کنید

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Fenrir","accent":"British (RP)","style":"Deadpan","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"American (Gen)","style":"Empathetic","pace":"Staccato"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[shouting] Halt, traveler!"},{"speaker_id":"Speaker 2","text":"[determination] I carry a message for the elder."}]}'

گفتگوی چند بلندگوی سریع و مقرون به صرفه با نسل قبلی Flash.

با Gemini 2.5 Pro TTS تولید کنید

curl -X POST https://api.muapi.ai/api/v1/gemini-2-5-pro-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Rasalgethi","accent":"Transatlantic","style":"Vocal Smile","pace":"Natural","audio_profile":"A warm, seasoned audiobook narrator"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[gently] Once upon a time, in a quiet valley hidden away..."}]}'

دیالوگ چند گوینده با کیفیت استودیو ممتاز برای کتاب های صوتی و روایت سینمایی.

نتیجه صوتی را نظرسنجی کنید

نظرسنجی کنید تا وضعیت تکمیل شود، سپس URL صوتی قابل دانلود را از پاسخ بخوانید.

Gemini TTS API FAQ

Gemini TTS API چیست؟

API Gemini TTS Muapi مجموعه کامل متن به گفتار Gemini Google را نشان می‌دهد - Gemini 3.8 Flash TTS، Gemini 3.8 Flash Lite TTS، Gemini 3.1 Flash TTS و Gemini 2.5 Pro TTS - از طریق یک نقطه پایانی REST یکپارچه در هر مدل، که همگی یک فرمت گفتگوی چند بلندگو را به اشتراک می‌گذارند.

از کدام مدل Gemini TTS استفاده کنم؟

از Gemini 3.8 Flash TTS برای وفاداری در استودیو با هزینه کم، Gemini 3.8 Flash Lite TTS برای کمترین تأخیر و هزینه در بارهای کاری با حجم بالا یا زمان واقعی، Gemini 3.1 Flash TTS برای یک گزینه سریع نسل قبلی، یا Gemini 2.5 Pro TTS برای روایت حق بیمه با بالاترین وفاداری استفاده کنید.

Gemini TTS API چقدر هزینه دارد؟

قیمت با نرخ‌های رسمی منتشر شده Google مطابقت دارد: 0.015 دلار به ازای هر 1000 کاراکتر برای Gemini 3.8 Flash TTS، 0.01 دلار برای Gemini 3.8 Flash Lite TTS و 0.035 دلار برای هر دو Gemini 3.1 Flash TTS و Gemini 2.5 Pro TTS.

چگونه یک مکالمه چند گوینده ایجاد کنم؟

هر صدایی را در فهرست «گویندگان» با «شناسه_گوینده» منحصر به فرد (در قالب «Speaker N») تعریف کنید، سپس به آن شناسه‌ها در «تحول_گفتگو» خود اشاره کنید. مدل هر خط را با صدای، لهجه، سبک و سرعت اختصاص داده شده به آن گوینده ارائه می کند.

چه صداها و لهجه هایی در دسترس هستند؟

هر چهار ردیف Gemini TTS دارای 30 صدای از پیش ساخته شده (Zephyr، Fenrir، Puck، Kore، و بیشتر) و 8 لهجه از جمله خنثی، انواع آمریکایی، بریتانیایی (RP)، بریتانیایی (Brixton)، ترانس آتلانتیک و استرالیایی هستند.

آیا می توانم احساسات و سرعت را کنترل کنم؟

بله. هر بلندگو دارای تنظیمات «سبک» (خنده صوتی، گوینده خبر، زمزمه، همدلانه، تبلیغاتی/هایپ، Deadpan) و «گام» (طبیعی، سریع آتش، دریفت، استاکاتو) است، به‌علاوه برچسب‌های آهنگ درون خطی مانند [زمزمه‌ها] یا [فریاد کردن] مستقیماً در دیالوگ تعبیه شده است.

چه فرمت صوتی برگردانده می شود؟

هر مدل یک URL فایل صوتی قابل بارگیری را از نقطه پایانی نتیجه پیش‌بینی استاندارد برمی‌گرداند، آماده برای جاسازی، دانلود، یا ارسال به خط لوله ویدیو یا لیپس‌همگام‌سازی.

چگونه به Gemini TTS API دسترسی داشته باشم؟

یک کلید Muapi API ایجاد کنید، نقطه پایانی را که با سطح Gemini TTS مورد نظر شما مطابقت دارد تماس بگیرید و شناسه درخواست برگشتی را نظرسنجی کنید. هیچ لیست انتظاری لازم نیست - هر چهار مدل زنده هستند.

آماده تولید صدای Gemini TTS هستید؟

از یک کلید Muapi API در Gemini 3.8 Flash TTS، Gemini 3.8 Flash Lite TTS، Gemini 3.1 Flash TTS و Gemini 2.5 Pro TTS استفاده کنید.