🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
モデル/音声/Gemini TTS
Live4個のモデル

Gemini TTS API — Google Gemini 音声合成

MuapiのGemini TTS APIは、統一されたREST統合を通じてGoogleの完全なGemini音声合成ラインナップを提供します: Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS、Gemini 2.5 Pro TTS。全モデルが共通の複数話者対話フォーマットを採用 — 話者の声、アクセント、感情スタイル、話速を定義し、[whispers] や [shouting] などのインライン感情タグを付けてセリフを記述します。料金は1,000文字あたり$0.01からで、全ティアで同一の非同期ポーリング方式です。

i

Gemini TTSの全ラインナップがMuapiで提供中

忠実度、レイテンシ、コストに応じてGemini TTSティアを選択し、話者を定義し、対話を記述して、返されたリクエストIDからダウンロード可能な音声ファイルを取得します。

Gemini 3.8 Flash & Flash Lite TTS

Google最新のGemini TTS世代 — スタジオ品質の忠実度、または高スループット・低遅延の会話型音声2個のモデル
TTS新着
3.8 Flash

Gemini 3.8 Flash TTS

スタジオ品質の声の忠実度、感情豊かな演技、長文安定性を備えたGoogleの最新FlashティアGemini TTSモデル(1,000文字あたり$0.015)。

Dialogue → audio高速
$0.015/1,000 chars
モデルを試す
TTS新着
3.8 Flash

Gemini 3.8 Flash Lite TTS

最も手頃なGemini TTSティア — 高スループットかつ低遅延の会話音声(1,000文字あたり$0.01)。

Dialogue → audio高速
$0.01/1,000 chars
モデルを試す

Gemini 3.1 Flash TTS

高速で費用対効果の高い複数話者対話1個のモデル
TTS提供中
3.1 Flash

Gemini 3.1 Flash TTS

個性ある声、アクセント、感情表現、[whispers] などのインライン感情タグを備えた費用対効果の高い複数話者音声。

Dialogue → audio高速
$0.035/1,000 chars
モデルを試す

Gemini 2.5 Pro TTS

プレミアムなスタジオ品質の複数話者対話1個のモデル
TTS提供中
2.5 Pro

Gemini 2.5 Pro TTS

オーディオブック、映画のようなダイアログ、長文ナレーション向けの高忠実度プレミアム複数話者音声。

Dialogue → audio
$0.035/1,000 chars
モデルを試す

Gemini TTS APIとは?

GoogleのGemini TTSモデルは、台本テキストを表現力豊かな複数話者の音声に変換します。全ティア共通のリクエスト形式: 声、アクセント、感情スタイル、話速を指定して1人以上の話者を定義し、それらの話者を参照して順番に並んだセリフ(dialogue_turns)を記述します。[whispers]、[shouting]、[determination] などのインライン感情タグを使用して、セリフ単位の感情演出も可能です。

MuapiはGemini TTSの全4ティア(Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS、Gemini 2.5 Pro TTS)を、1つのAPIキー、非同期ポーリングフロー、Google公式価格と一致する透明性の高い従量課金制で提供します。

Gemini TTSの機能

複数話者の対話

すべてのGemini TTSティアで、共通の `speakers` / `dialogue_turns` フォーマットにより、台本形式の会話ターンに異なる声、アクセント、話し方を割り当てることができます。

インライン感情・トーン制御

セリフテキスト内に [whispers]、[shouting]、[determination] などのタグを直接埋め込み、表現力豊かな行単位の演出が可能です。

4つのティアを統一された形式で

スタジオ品質にはGemini 3.8 Flash TTS、極小コストとレイテンシにはGemini 3.8 Flash Lite TTS、高速なバランス型にはGemini 3.1 Flash TTS、プレミアムナレーションにはGemini 2.5 Pro TTS — すべて同一のリクエストスキーマで利用可能です。

30種類の事前構築音声と8種類のアクセント

Zephyr、Fenrir、Puck、Koreなどの30種類のGemini音声名と、ニュートラル、アメリカ英語、イギリス英語(RP/Brixton)、大西洋横断、オーストラリア英語など8種類のアクセントから選択。

シーンおよびトーン制御

音響環境を設定する任意の `scene` や、全体のナレーショントーンを指定する `sample_context`、表現の揺らぎを調整する `temperature` を設定可能。

Google公式価格

すべてのティアが、Google公式のGemini TTS音声出力料金(1,000文字単位)で手数料上乗せなし・サブスクリプション不要で請求されます。

Gemini TTSの活用事例

キャラクター対話&ゲーム

Gemini 3.8 FlashまたはFlash Lite TTSを使用して、感情豊かに演出された個性的なNPC音声や分岐会話を生成。

会話型AIエージェント

Gemini 3.8 Flash Lite TTSの低遅延・高スループット生成により、リアルタイム音声エージェントやIVRシステムを駆動。

ポッドキャスト&オーディオブック

Gemini 2.5 Pro TTSのスタジオ品質により、複数ホストの対話音声や長編ナレーションを制作。

プロトタイピング

最終的な高品位レンダリングの前に、Gemini 3.1 Flash TTSでトーン、アクセント、話速を素早く試行錯誤。

Gemini TTSモデル比較

モデルプロバイダー料金最適な用途
Gemini 3.8 Flash TTSGoogle$0.015/1,000文字スタジオ品質、感情豊かな演技、長文での安定性
Gemini 3.8 Flash Lite TTSGoogle$0.01/1,000文字高スループット、極小レイテンシの会話音声
Gemini 3.1 Flash TTSGoogle$0.035/1,000文字高速で費用対効果の高い複数話者対話
Gemini 2.5 Pro TTSGoogle$0.035/1,000文字プレミアムなスタジオ品質の複数話者対話

Gemini TTS APIコード例

Muapi APIキーで話者と対話ターンを送信し、リクエストIDを保存して標準の予測結果エンドポイントをポーリングし音声URLを取得します。

Gemini 3.8 Flash TTSで音声を生成

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"}

キャラクター対話やナレーション向けのスタジオ品質の声の忠実度と長文安定性。

Gemini 3.8 Flash Lite TTSで音声を生成

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."}]}'

大量の会話音声向け、最安コスト・極小レイテンシのGemini TTSティア。

Gemini 3.1 Flash TTSで音声を生成

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."}]}'

前世代Flashティアによる高速で費用対効果の高い複数話者対話。

Gemini 2.5 Pro TTSで音声を生成

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..."}]}'

オーディオブックやシネマティックナレーション向けの最高品質複数話者対話。

音声結果をポーリング

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

ステータスが completed になるまでポーリングし、レスポンスからダウンロード可能な音声URLを読み取ります。

Gemini TTS API よくある質問

Gemini TTS APIとは?

MuapiのGemini TTS APIは、モデルごとに統一されたRESTエンドポイントを通じてGoogleの完全なGemini音声合成ラインナップを提供し、すべて共通の複数話者対話リクエスト形式を採用しています。

どのGemini TTSモデルを使うべきですか?

低コストでスタジオ品質を求めるならGemini 3.8 Flash TTS、大量処理やリアルタイム用途にはGemini 3.8 Flash Lite TTS、高速な前世代モデルにはGemini 3.1 Flash TTS、最高品質のナレーションにはGemini 2.5 Pro TTSをお勧めします。

Gemini TTS APIの料金はいくらですか?

Googleの公式公開価格に準拠しています: Gemini 3.8 Flash TTSは1,000文字あたり$0.015、Gemini 3.8 Flash Lite TTSは$0.01、Gemini 3.1 Flash TTSおよびGemini 2.5 Pro TTSは$0.035です。

複数話者の会話はどのように作成しますか?

`speakers` リスト内で一意の `speaker_id`(「Speaker N」形式)を指定して各音声を定義し、`dialogue_turns` 内でそのIDを参照します。モデルは各行を割り当てられた声、アクセント、スタイル、話速でレンダリングします。

利用可能な声やアクセントには何がありますか?

全4ティア共通で、Zephyr、Fenrir、Puck、Koreなどの30種類の事前構築音声と、ニュートラル、アメリカ英語、イギリス英語(RP/Brixton)、大西洋横断、豪州英語など8つのアクセントを利用できます。

感情や話速をコントロールできますか?

はい。各話者に `style`(Vocal Smile、Newscaster、Whisper、Empathetic、Promo/Hype、Deadpan)や `pace`(Natural、Rapid Fire、The Drift、Staccato)を設定でき、セリフ内に [whispers] や [shouting] などの感情タグを埋め込むことも可能です。

返される音声フォーマットは何ですか?

各モデルは標準の予測結果エンドポイントからダウンロード可能な音声ファイルのURLを返します。埋め込み、ダウンロード、動画やリップシンクパイプラインへの受け渡しが可能です。

Gemini TTS APIにはどのようにアクセスしますか?

Muapi APIキーを作成し、希望するGemini TTSティアのエンドポイントを呼び出して、返されたリクエストIDをポーリングします。待機リストは不要で、4モデルすべてが即座に利用可能です。

Gemini TTS音声の生成を始める準備はできましたか?

1つのMuapi APIキーで、Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS、Gemini 2.5 Pro TTSを横断的に利用可能。