🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
Modele/Dźwięk/Bliźnięta TTS
Na żywo4 modele

Gemini TTS API — Google Gemini Text to Speech

Interfejs API Gemini TTS firmy Muapi zapewnia pełną gamę rozwiązań Google do przetwarzania tekstu na mowę Gemini poprzez jedną ujednoliconą integrację REST: Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.Każdy model ma ten sam format dialogu z wieloma głośnikami — zdefiniuj głosy mówiących, akcenty, style emocjonalne i tempo, a następnie dialogi uporządkowane według scenariusza za pomocą wbudowanych znaczników tonu, takich jak [szepty] lub [krzyki]. Ceny zaczynają się od 0,01 USD za 1000 znaków przy tym samym asynchronicznym wzorcu przesyłania i ankietowania na każdym poziomie.

i

Pełny skład Gemini TTS jest dostępny na Muapi

Wybierz poziom Gemini TTS według wierności, opóźnienia i kosztu, zdefiniuj głośniki, napisz skrypt dialogu i odpytaj zwrócony identyfikator żądania w celu uzyskania pliku audio do pobrania.

Gemini 3.8 Flash i Flash Lite TTS

Najnowsza generacja Gemini TTS firmy Google — wierność na poziomie studyjnym lub mowa konwersacyjna o dużej przepustowości i niskim opóźnieniu2 modele
TTSNowy
3.8 Flash

Gemini 3.8 Flash TTS

Najnowszy model Google Gemini TTS z obsługą Flash, zapewniający studyjną wierność głosu, ekspresyjną grę aktorską i stabilność przy długich formatach przy cenie 0,015 USD za 1000 znaków.

Dialogue → audioSzybko
$0.015/1,000 chars
Wypróbuj model
TTSNowy
3.8 Flash

Gemini 3.8 Flash Lite TTS

Najbardziej przystępna cenowo warstwa Gemini TTS — mowa konwersacyjna o dużej przepustowości i niskim opóźnieniu przy cenie 0,01 USD za 1000 znaków.

Dialogue → audioSzybko
$0.01/1,000 chars
Wypróbuj model

Gemini 3.1 Flash TTS

Szybki i ekonomiczny dialog z wieloma głośnikami1 modele
TTSNa żywo
3.1 Błysk

Gemini 3.1 Flash TTS

Ekonomiczna mowa wielogłośnikowa z odrębnymi głosami, akcentami, stylami emocjonalnymi i wbudowanymi znacznikami tonu, takimi jak [szepty].

Dialogue → audioSzybko
$0.035/1,000 chars
Wypróbuj model

Gemini 2.5 Pro TTS

Wysokiej klasy dialog z wieloma głośnikami o studyjnej jakości1 modele
TTSNa żywo
2,5 Pro

Gemini 2.5 Pro TTS

Wysokiej jakości mowa wielogłośnikowa do audiobooków, dialogów kinowych i długich narracji o wysokiej jakości.

Dialogue → audio
$0.035/1,000 chars
Wypróbuj model

Co to jest API Gemini TTS?

Modele Gemini TTS firmy Google zamieniają pisany scenariusz w wyrazisty dźwięk z wieloma głośnikami. Każdy poziom ma ten sam kształt żądania: zdefiniuj jednego lub więcej mówców z głosem, akcentem, stylem emocjonalnym i tempem, a następnie napisz uporządkowane zwroty dialogów odnoszące się do tych mówców, z wbudowanymi znacznikami tonu, takimi jak [szepty], [krzyk] lub [określenie] kierunku emocjonalnego na poziomie linii.

Muapi udostępnia wszystkie cztery poziomy Gemini TTS – Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS – za pomocą jednego klucza API, jednego asynchronicznego przepływu przesyłania i ankietowania oraz przejrzystego rozliczenia typu „pay-as-you-go” zgodnego ze stawkami opublikowanymi przez Google.

Możliwości Gemini TTS

Dialog wielogłośnikowy

Każdy poziom Gemini TTS przypisuje różne głosy, akcenty i style wypowiedzi do scenariuszy konwersacji za pośrednictwem wspólnego formatu „głośnicy” / „zwroty_dialogu”.

Wbudowane emocje i ton

Osadzaj znaczniki takie jak [szepty], [krzyki] i [determinacja] bezpośrednio w tekście dialogu, aby uzyskać ekspresyjną kontrolę na poziomie linii.

Cztery poziomy, jeden kształt

Wybierz Gemini 3.8 Flash TTS, aby uzyskać studyjną jakość dźwięku, Gemini 3.8 Flash Lite TTS, aby uzyskać najniższy koszt i najniższe opóźnienia, Gemini 3.1 Flash TTS, aby uzyskać szybką równowagę w stosunku do poprzedniej generacji, lub Gemini 2.5 Pro TTS, aby uzyskać narrację premium – wszystkie z tym samym schematem żądań.

30 gotowych głosów, 8 akcentów

Wybieraj spośród 30 imion głosowych Gemini (Zephyr, Fenrir, Puck, Korea i więcej) i 8 akcentów, w tym neutralnego, amerykańskiego, brytyjskiego (RP), brytyjskiego (Brixton), transatlantyckiego i australijskiego.

Sterowanie sceną i tonem

Ustaw opcjonalny opis „sceny” dla ustawień akustycznych i „próbkowy_kontekst” dla ogólnego tonu narracji, a także kontrolę „temperatury” dla zmienności dostarczania.

Oficjalne ceny Google

Każdy poziom jest rozliczany według opublikowanej przez Google stawki wyjściowego sygnału audio Gemini TTS za 1000 znaków, bez żadnych znaczników i subskrypcji.

Przypadki użycia Gemini TTS

Dialogi i gry z postaciami

Głosuj NPC i rozgałęziaj rozmowy z różnymi, emocjonalnie ukierunkowanymi postaciami za pomocą Gemini 3.8 Flash lub Flash Lite TTS.

Konwersacyjni agenci AI

Zasilaj agentów głosowych w czasie rzeczywistym i systemy IVR dzięki generacji Gemini 3.8 Flash Lite TTS o niskim opóźnieniu i wysokiej przepustowości.

Podcasty i audiobooki

Twórz dźwięk konwersacji między wieloma hostami lub długą narrację dzięki studyjnej jakości Gemini 2.5 Pro TTS.

Prototypowanie

Szybko zmieniaj ton, akcent i tempo w Gemini 3.1 Flash TTS przed ostatecznym renderowaniem o wysokiej wierności.

Porównanie modeli Gemini TTS

ModelkaDostawcaCenaNajlepsze dla

Przykłady API Gemini TTS

Przesyłaj głośniki i zwroty dialogów za pomocą klucza API Muapi, zapisz identyfikator żądania i odpytuj standardowy punkt końcowy wyniku przewidywania pod kątem adresu URL audio.

Generuj za pomocą 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"}

Wierność głosu klasy studyjnej i stabilność długich form dialogów i narracji postaci.

Generuj za pomocą 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."}]}'

Najtańsza warstwa Gemini TTS o najniższych opóźnieniach, zapewniająca wysoką przepustowość mowy konwersacyjnej.

Generuj za pomocą 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."}]}'

Szybki i ekonomiczny dialog z wieloma głośnikami dzięki warstwie Flash poprzedniej generacji.

Generuj za pomocą 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..."}]}'

Wysokiej jakości wielogłośnikowy dialog o studyjnej jakości dla audiobooków i narracji filmowej.

Przepytaj wynik audio

Odpytuj, aż status zostanie ukończony, a następnie przeczytaj adres URL pliku audio do pobrania z odpowiedzi.

Często zadawane pytania dotyczące interfejsu API Gemini TTS

Co to jest API Gemini TTS?

Interfejs API Gemini TTS firmy Muapi udostępnia pełną ofertę Google do przetwarzania tekstu na mowę Gemini — Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS — za pośrednictwem jednego zunifikowanego punktu końcowego REST na każdy model, a wszystkie korzystają z tego samego formatu żądania dialogu z wieloma głośnikami.

Którego modelu Gemini TTS powinienem użyć?

Użyj Gemini 3.8 Flash TTS, aby uzyskać jakość studyjną przy niskich kosztach, Gemini 3.8 Flash Lite TTS, aby uzyskać najniższe opóźnienia i koszty przy dużych obciążeniach lub obciążeniach w czasie rzeczywistym, Gemini 3.1 Flash TTS, aby uzyskać szybką opcję poprzedniej generacji, lub Gemini 2.5 Pro TTS, aby uzyskać narrację premium o najwyższej jakości.

Ile kosztuje API Gemini TTS?

Ceny odpowiadają oficjalnym stawkom opublikowanym przez Google: 0,015 USD za 1000 znaków w przypadku Gemini 3.8 Flash TTS, 0,01 USD w przypadku Gemini 3.8 Flash Lite TTS i 0,035 USD w przypadku Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.

Jak stworzyć rozmowę z wieloma głośnikami?

Zdefiniuj każdy głos na liście „głośników” za pomocą unikalnego „id_głośnika” (w formacie „Głośnik N”), a następnie odwołuj się do tych identyfikatorów w swoich „zwrotach_dialogu”. Model renderuje każdą linię z przypisanym głosem, akcentem, stylem i tempem tego mówcy.

Jakie głosy i akcenty są dostępne?

Wszystkie cztery poziomy Gemini TTS korzystają z 30 gotowych głosów (Zephyr, Fenrir, Puck, Korea i więcej) oraz 8 akcentów, w tym neutralnego, amerykańskiego, brytyjskiego (RP), brytyjskiego (Brixton), transatlantyckiego i australijskiego.

Czy mogę kontrolować emocje i tempo?

Tak. Każdy mówca ma ustawienia „stylu” (uśmiech wokalu, prezenter wiadomości, szept, empatia, promocja/hype, śmiertelność) i „tempa” (naturalny, szybki ogień, dryf, staccato), a także wbudowane znaczniki tonu, takie jak [szepty] lub [krzyki] osadzone bezpośrednio w tekście dialogu.

Jaki format audio jest zwracany?

Każdy model zwraca adres URL pliku audio do pobrania ze standardowego punktu końcowego wyniku przewidywania, gotowy do osadzenia, pobrania lub przekazania do potoku wideo lub synchronizacji ruchu warg.

Jak uzyskać dostęp do API Gemini TTS?

Utwórz klucz Muapi API, wywołaj punkt końcowy odpowiadający żądanej warstwie Gemini TTS i odpytuj zwrócony identyfikator żądania. Nie jest wymagana żadna lista oczekujących — wszystkie cztery modelki są aktywne.

Gotowy do wygenerowania dźwięku Gemini TTS?

Użyj jednego klucza Muapi API w Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.