🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
Modelli/Audio/Gemelli TTS
Attivo4 models

API Gemini TTS: sintesi vocale di Google Gemini

L'API Gemini TTS di Muapi ti offre la gamma completa di sintesi vocale Gemini di Google attraverso un'integrazione REST unificata: Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS e Gemini 2.5 Pro TTS.Ogni modello condivide lo stesso formato di dialogo con più parlanti: definisci le voci dei parlanti, gli accenti, gli stili emotivi e il ritmo, quindi i dialoghi ordinati tramite script con tag di tono incorporati come [sussurri] o [urla]. Il prezzo parte da $ 0,01 per 1.000 caratteri con lo stesso modello di invio e sondaggio asincrono su ogni livello.

i

La formazione completa di Gemini TTS è in diretta su Muapi

Scegli un livello Gemini TTS in base a fedeltà, latenza e costo, definisci i tuoi oratori, crea script per il dialogo ed esegui il polling dell'ID di richiesta restituito per un file audio scaricabile.

Gemini 3.8 Flash e Flash Lite TTS

La più recente generazione Gemini TTS di Google: fedeltà di livello professionale o parlato conversazionale a throughput elevato e bassa latenza2 models
TTSNuovo
3.8 Flash

Gemini 3.8 Flash TTS

Il nuovissimo modello Gemini TTS di livello Flash di Google con fedeltà vocale di livello professionale, recitazione espressiva e stabilità di lunga durata a $ 0,015/1.000 caratteri.

Dialogue → audioVeloce
$0.015/1,000 chars
Prova modello
TTSNuovo
3.8 Flash

Gemini 3.8 Flash Lite TTS

Il livello Gemini TTS più conveniente: conversazioni ad alta velocità e a bassa latenza a $ 0,01/1.000 caratteri.

Dialogue → audioVeloce
$0.01/1,000 chars
Prova modello

Gemini 3.1 Flash TTS

Dialogo multi-altoparlante veloce ed economico1 models
TTSAttivo
3.1 Flash

Gemini 3.1 Flash TTS

Discorso multi-altoparlante conveniente con voci, accenti, stili emotivi distinti e tag di tono in linea come [sussurri].

Dialogue → audioVeloce
$0.035/1,000 chars
Prova modello

Gemini 2.5 Pro TTS

Dialogo multi-altoparlante di qualità professionale1 models
TTSAttivo
2.5 Pro

Gemini 2.5 Pro TTS

Discorso multi-altoparlante premium per audiolibri, dialoghi cinematografici e narrazioni di lunga durata con consegna ad alta fedeltà.

Dialogue → audio
$0.035/1,000 chars
Prova modello

Cos'è l'API Gemini TTS?

I modelli Gemini TTS di Google trasformano una sceneggiatura scritta in audio espressivo con più altoparlanti. Ogni livello condivide la stessa forma di richiesta: definire uno o più oratori con una voce, un accento, uno stile emotivo e un ritmo, quindi scrivere turni di dialogo ordinati che facciano riferimento a tali oratori, con tag di tono incorporati come [sussurri], [urlando] o [determinazione] per la direzione emotiva a livello di linea.

Muapi espone tutti e quattro i livelli Gemini TTS (Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS e Gemini 2.5 Pro TTS) attraverso una chiave API, un flusso di invio e sondaggio asincrono e una fatturazione trasparente con pagamento in base al consumo che corrisponde alle tariffe pubblicate da Google.

Funzionalità TTS di Gemini

Dialogo con più parlanti

Ogni livello di Gemini TTS assegna voci, accenti e stili di consegna distinti a turni di conversazione programmati tramite un formato condiviso "altoparlanti"/"turni_dialogo".

Emozione e tono in linea

Incorpora tag come [sussurri], [urlo] e [determinazione] direttamente nel testo del dialogo per un controllo espressivo a livello di riga.

Quattro livelli, una forma

Scegli Gemini 3.8 Flash TTS per una fedeltà di livello professionale, Gemini 3.8 Flash Lite TTS per il costo e la latenza più bassi, Gemini 3.1 Flash TTS per un rapido bilanciamento della generazione precedente o Gemini 2.5 Pro TTS per una narrazione premium, il tutto con lo stesso schema di richiesta.

30 voci predefinite, 8 accenti

Scegli tra 30 nomi vocali Gemini (Zephyr, Fenrir, Puck, Kore e altri) e 8 accenti tra cui neutro, varianti americane, britannico (RP), britannico (Brixton), transatlantico e australiano.

Controlli di scena e tono

Imposta una descrizione facoltativa della "scena" per l'impostazione acustica e un "sample_context" per il tono generale della narrazione, oltre a un controllo della "temperatura" per la variazione della consegna.

Prezzi ufficiali di Google

Ogni livello viene fatturato in base alla tariffa di uscita audio Gemini TTS pubblicata da Google per 1.000 caratteri, senza markup e senza abbonamento.

Casi d'uso di Gemini TTS

Dialoghi e giochi con i personaggi

NPC vocali e conversazioni ramificate con personaggi distinti ed emotivamente diretti utilizzando Gemini 3.8 Flash o Flash Lite TTS.

Agenti di intelligenza artificiale conversazionale

Potenzia agenti vocali in tempo reale e sistemi IVR con la generazione a bassa latenza e throughput elevato di Gemini 3.8 Flash Lite TTS.

Podcast e audiolibri

Produci audio conversazionale multi-host o narrazioni di lunga durata con la fedeltà di qualità professionale di Gemini 2.5 Pro TTS.

Prototipazione

Itera rapidamente su tono, accento e ritmo su Gemini 3.1 Flash TTS prima di un rendering finale ad alta fedeltà.

Confronto del modello Gemini TTS

ModelloFornitorePrezzoIdeale per
Gemini 3.8 Flash TTSGoogle$ 0,015/1.000 caratteriFedeltà da studio, recitazione espressiva, stabilità a lungo termine
Gemini 3.8 Flash Lite TTSGoogle$ 0,01/1.000 caratteriDiscorso conversazionale ad alta produttività e a bassa latenza
Gemini 3.1 Flash TTSGoogle$ 0,035/1.000 caratteriDialogo multi-altoparlante veloce ed economico
Gemini 2.5 Pro TTSGoogle$ 0,035/1.000 caratteriDialogo multi-altoparlante di qualità professionale

Esempi di API Gemini TTS

Invia relatori e turni di dialogo con la chiave API Muapi, salva l'ID della richiesta ed esegui il polling dell'endpoint del risultato della previsione standard per l'URL dell'audio.

Genera con Gemini 3.8 Flash TTS

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"}

Fedeltà vocale di livello studio e stabilità di lunga durata per il dialogo e la narrazione dei personaggi.

Genera con Gemini 3.8 Flash Lite TTS

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."}]}'

Il livello Gemini TTS a costo più basso e con latenza più bassa per conversazioni conversazionali a throughput elevato.

Genera con Gemini 3.1 Flash TTS

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."}]}'

Dialogo multi-altoparlante veloce ed economico con il livello Flash della generazione precedente.

Genera con Gemini 2.5 Pro TTS

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..."}]}'

Dialoghi multi-altoparlante di qualità professionale per audiolibri e narrazioni cinematografiche.

Interroga il risultato audio

Effettua il sondaggio fino al completamento dello stato, quindi leggi l'URL dell'audio scaricabile dalla risposta.

Domande frequenti sull'API Gemini TTS

Cos'è l'API Gemini TTS?

L'API Gemini TTS di Muapi espone l'intera gamma di sintesi vocale Gemini di Google (Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS e Gemini 2.5 Pro TTS) attraverso un endpoint REST unificato per modello, condividendo tutti lo stesso formato di richiesta di dialogo con più altoparlanti.

Which Gemini TTS model should I use?

Utilizza Gemini 3.8 Flash TTS per una fedeltà di livello professionale a basso costo, Gemini 3.8 Flash Lite TTS per la latenza e i costi più bassi su carichi di lavoro ad alto volume o in tempo reale, Gemini 3.1 Flash TTS per un'opzione veloce della generazione precedente o Gemini 2.5 Pro TTS per la narrazione premium con la massima fedeltà.

Quanto costa l'API Gemini TTS?

I prezzi corrispondono alle tariffe ufficiali pubblicate da Google: $ 0,015 per 1.000 caratteri per Gemini 3.8 Flash TTS, $ 0,01 per Gemini 3.8 Flash Lite TTS e $ 0,035 sia per Gemini 3.1 Flash TTS che per Gemini 2.5 Pro TTS.

Come posso creare una conversazione con più interlocutori?

Definisci ciascuna voce nell'elenco "oratori" con uno "speaker_id" univoco (nel formato "Speaker N"), quindi fai riferimento a tali ID nei tuoi "dialogue_turns". Il modello esegue il rendering di ogni riga con la voce, l'accento, lo stile e il ritmo assegnati a quell'oratore.

Quali voci e accenti sono disponibili?

Tutti e quattro i livelli Gemini TTS condividono 30 voci predefinite (Zephyr, Fenrir, Puck, Kore e altre) e 8 accenti tra cui neutro, varianti americane, britannico (RP), britannico (Brixton), transatlantico e australiano.

Posso controllare le emozioni e il ritmo?

Sì. Ciascun oratore dispone di impostazioni di "stile" (sorriso vocale, giornalista, sussurro, empatico, promo/hype, impassibile) e "ritmo" (naturale, fuoco rapido, The Drift, staccato), oltre a tag di tono in linea come [sussurri] o [urla] incorporati direttamente nel testo del dialogo.

Quale formato audio viene restituito?

Ogni modello restituisce l'URL di un file audio scaricabile dall'endpoint del risultato della previsione standard, pronto per essere incorporato, scaricato o passato in una pipeline video o di sincronizzazione labiale.

Come posso accedere all'API Gemini TTS?

Crea una chiave API Muapi, chiama l'endpoint che corrisponde al livello Gemini TTS desiderato ed esegui il polling dell'ID richiesta restituito. Non è richiesta alcuna lista d'attesa: tutti e quattro i modelli sono live.

Pronto per generare audio Gemini TTS?

Utilizza una chiave API Muapi su Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS e Gemini 2.5 Pro TTS.