🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
โมเดล/เสียง/ราศีเมถุน TTS
สด4 รุ่น

Gemini TTS API - ข้อความเป็นคำพูดของ Google Gemini

Gemini TTS API ของ Muapi นำเสนอกลุ่มผลิตภัณฑ์การอ่านออกเสียงข้อความ Gemini เต็มรูปแบบของ Google ผ่านการผสานรวม REST แบบครบวงจร: Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTSโมเดลทุกรุ่นใช้รูปแบบบทสนทนาที่มีลำโพงหลายตัวเหมือนกัน — กำหนดเสียงของผู้พูด สำเนียง รูปแบบอารมณ์ และจังหวะ จากนั้นบทสนทนาที่เรียงลำดับสคริปต์จะเปลี่ยนด้วยแท็กโทนเสียงอินไลน์ เช่น [กระซิบ] หรือ [ตะโกน] ราคาเริ่มต้นที่ 0.01 ดอลลาร์ต่อ 1,000 อักขระ โดยมีรูปแบบการส่งและโพลแบบอะซิงโครนัสเหมือนกันในทุกระดับ

i

ผู้เล่นตัวจริงของ Gemini TTS เต็มรูปแบบถ่ายทอดสดบน Muapi

เลือกระดับ Gemini TTS ตามความเที่ยงตรง เวลาแฝง และต้นทุน กำหนดวิทยากรของคุณ เขียนสคริปต์บทสนทนา และสำรวจ ID คำขอที่ส่งคืนสำหรับไฟล์เสียงที่ดาวน์โหลดได้

ราศีเมถุน 3.8 แฟลชและแฟลช Lite TTS

Gemini TTS เจเนอเรชันใหม่ล่าสุดของ Google — ความเที่ยงตรงระดับสตูดิโอหรือคำพูดในการสนทนาที่มีปริมาณงานสูง ความหน่วงต่ำ2 รุ่น
ทีทีเอสใหม่
3.8 Flash

Gemini 3.8 Flash TTS

Gemini TTS รุ่น Flash ระดับใหม่ล่าสุดของ Google ที่มีความเที่ยงตรงของเสียงระดับสตูดิโอ การแสดงที่แสดงออก และความเสถียรในรูปแบบยาว ที่ 0.015 ดอลลาร์สหรัฐฯ/1,000 อักขระ

Dialogue → audioรวดเร็ว
$0.015/1,000 chars
ลองรุ่น
ทีทีเอสใหม่
3.8 Flash

ราศีเมถุน 3.8 Flash Lite TTS

ระดับ Gemini TTS ที่เหมาะสมที่สุด — คำพูดในการสนทนาที่มีปริมาณงานสูงและมีความหน่วงต่ำที่ 0.01 ดอลลาร์สหรัฐฯ/1,000 อักขระ

Dialogue → audioรวดเร็ว
$0.01/1,000 chars
ลองรุ่น

ราศีเมถุน 3.1 แฟลช TTS

บทสนทนาหลายลำโพงที่รวดเร็วและคุ้มค่า1 รุ่น
ทีทีเอสสด
3.1 แฟลช

ราศีเมถุน 3.1 แฟลช TTS

คำพูดแบบหลายลำโพงที่คุ้มราคาพร้อมเสียง สำเนียง สไตล์อารมณ์ และแท็กโทนเสียงในบรรทัด เช่น [กระซิบ] ที่แตกต่างกัน

Dialogue → audioรวดเร็ว
$0.035/1,000 chars
ลองรุ่น

เจมินี่ 2.5 โปร ทีทีเอส

บทสนทนาที่มีลำโพงหลายตัวคุณภาพระดับสตูดิโอระดับพรีเมี่ยม1 รุ่น
ทีทีเอสสด
2.5 โปร

เจมินี่ 2.5 โปร ทีทีเอส

คำพูดแบบหลายลำโพงระดับพรีเมียมสำหรับหนังสือเสียง บทสนทนาแบบภาพยนตร์ และการบรรยายแบบยาวพร้อมการนำเสนอที่มีความเที่ยงตรงสูง

Dialogue → audio
$0.035/1,000 chars
ลองรุ่น

Gemini TTS API คืออะไร

รุ่น Gemini TTS ของ Google เปลี่ยนสคริปต์ที่เป็นลายลักษณ์อักษรให้เป็นเสียงจากลำโพงหลายตัวที่แสดงออกถึงความรู้สึก ทุกระดับมีรูปแบบคำขอเหมือนกัน: กำหนดผู้พูดตั้งแต่หนึ่งคนขึ้นไปด้วยเสียง สำเนียง สไตล์ทางอารมณ์ และจังหวะ จากนั้นเขียนลำดับบทสนทนาที่อ้างอิงถึงผู้พูดเหล่านั้น โดยมีแท็กโทนเสียงอินไลน์ เช่น [กระซิบ] [ตะโกน] หรือ [ตัดสินใจ] สำหรับทิศทางทางอารมณ์ระดับบรรทัด

Muapi เปิดเผยระดับ Gemini TTS ทั้งสี่ ได้แก่ Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS ผ่านคีย์ API หนึ่งรายการ โฟลว์การส่งและโพลแบบอะซิงโครนัสหนึ่งรายการ และการเรียกเก็บเงินแบบจ่ายตามการใช้งานที่โปร่งใสซึ่งตรงกับอัตราที่เผยแพร่ของ Google เอง

ความสามารถของราศีเมถุน TTS

บทสนทนาแบบหลายลำโพง

Gemini TTS ทุกระดับจะกำหนดเสียง สำเนียง และรูปแบบการถ่ายทอดที่แตกต่างกันให้กับการสนทนาตามสคริปต์ผ่านรูปแบบ `speakers` / `dialogue_turns` ที่ใช้ร่วมกัน

อารมณ์และน้ำเสียงแบบอินไลน์

ฝังแท็ก เช่น [กระซิบ], [ตะโกน] และ [การตัดสินใจ] โดยตรงในข้อความบทสนทนาเพื่อการควบคุมระดับบรรทัดที่แสดงออก

สี่ชั้นหนึ่งรูปร่าง

เลือก Gemini 3.8 Flash TTS สำหรับความเที่ยงตรงระดับสตูดิโอ, Gemini 3.8 Flash Lite TTS สำหรับต้นทุนและเวลาแฝงที่ต่ำที่สุด, Gemini 3.1 Flash TTS สำหรับความสมดุลของรุ่นก่อนหน้าที่รวดเร็ว หรือ Gemini 2.5 Pro TTS สำหรับการบรรยายระดับพรีเมียม — ทั้งหมดนี้มีสคีมาคำขอเดียวกัน

เสียงที่สร้างไว้ล่วงหน้า 30 เสียง 8 สำเนียง

เลือกจากชื่อเสียง Gemini 30 ชื่อ (Zephyr, Fenrir, Puck, Kore และอื่นๆ) และ 8 สำเนียง รวมถึง Neutral, American Variation, British (RP), British (Brixton), Transatlantic และ Australian

Scene and tone controls

ตั้งค่าคำอธิบาย `ฉาก` ที่เป็นตัวเลือกสำหรับการตั้งค่าอะคูสติก และ `sample_context` สำหรับโทนเสียงคำบรรยายโดยรวม บวกกับการควบคุม `อุณหภูมิ` สำหรับรูปแบบการนำส่ง

ราคาอย่างเป็นทางการของ Google

ทุกระดับจะถูกเรียกเก็บเงินตามอัตราเอาต์พุตเสียง Gemini TTS ที่เผยแพร่โดย Google ต่อ 1,000 อักขระ โดยไม่มีมาร์กอัปและไม่มีการสมัครสมาชิก

กรณีการใช้งาน Gemini TTS

บทสนทนาของตัวละครและเกม

NPC พากย์เสียงและบทสนทนาที่แตกแขนงด้วยตัวละครที่แตกต่างและสื่ออารมณ์ได้โดยใช้ Gemini 3.8 Flash หรือ Flash Lite TTS

ตัวแทน AI การสนทนา

ขับเคลื่อนตัวแทนเสียงแบบเรียลไทม์และระบบ IVR ด้วย Gemini 3.8 Flash Lite TTS การสร้างเวลาแฝงต่ำและปริมาณงานสูง

พอดแคสต์และหนังสือเสียง

สร้างเสียงการสนทนาแบบหลายโฮสต์หรือคำบรรยายในรูปแบบยาวด้วยความเที่ยงตรงของคุณภาพสตูดิโอของ Gemini 2.5 Pro TTS

การสร้างต้นแบบ

วนซ้ำโทนเสียง สำเนียง และจังหวะอย่างรวดเร็วบน Gemini 3.1 Flash TTS ก่อนเรนเดอร์ความเที่ยงตรงสูงในขั้นสุดท้าย

การเปรียบเทียบโมเดลราศีเมถุน TTS

รุ่นผู้ให้บริการราคาดีที่สุดสำหรับ

ตัวอย่าง Gemini TTS API

ส่งวิทยากรและบทสนทนาด้วยคีย์ Muapi API ของคุณ บันทึก ID คำขอ และสำรวจจุดสิ้นสุดผลลัพธ์การคาดการณ์มาตรฐานสำหรับ URL เสียง

สร้างด้วย 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"}

ความเที่ยงตรงของเสียงระดับสตูดิโอและความเสถียรในรูปแบบยาวสำหรับบทสนทนาและการบรรยายของตัวละคร

สร้างด้วย 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."}]}'

ระดับ Gemini TTS ที่ต้นทุนต่ำและมีความหน่วงต่ำที่สุดสำหรับคำพูดในการสนทนาที่มีปริมาณงานสูง

สร้างด้วย 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."}]}'

บทสนทนาแบบหลายลำโพงที่รวดเร็วและคุ้มค่าด้วย Flash tier รุ่นก่อนหน้า

สร้างด้วย Gemini 2.5 Pro TTS

บทสนทนาหลายลำโพงคุณภาพระดับสตูดิโอสำหรับหนังสือเสียงและการบรรยายภาพยนตร์

สำรวจผลเสียง

สำรวจจนกว่าสถานะจะเสร็จสมบูรณ์ จากนั้นอ่าน URL เสียงที่ดาวน์โหลดได้จากการตอบกลับ

Gemini TTS API FAQ

Gemini TTS API คืออะไร

Gemini TTS API ของ Muapi เปิดเผยกลุ่มผลิตภัณฑ์การอ่านออกเสียงข้อความ Gemini ทั้งหมดของ Google — Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS — ผ่านจุดสิ้นสุด REST หนึ่งจุดต่อโมเดล โดยทั้งหมดใช้รูปแบบคำขอการสนทนาแบบหลายลำโพงเดียวกัน

ฉันควรใช้ Gemini TTS รุ่นใด?

ใช้ Gemini 3.8 Flash TTS เพื่อความเที่ยงตรงระดับสตูดิโอด้วยต้นทุนที่ต่ำ Gemini 3.8 Flash Lite TTS เพื่อความหน่วงและต้นทุนต่ำสุดสำหรับเวิร์กโหลดปริมาณมากหรือแบบเรียลไทม์ Gemini 3.1 Flash TTS สำหรับตัวเลือกรุ่นก่อนหน้าที่รวดเร็ว หรือ Gemini 2.5 Pro TTS สำหรับการบรรยายระดับพรีเมียมที่มีความเที่ยงตรงสูงสุด

Gemini TTS API มีค่าใช้จ่ายเท่าไร

ราคาตรงกับอัตราที่เผยแพร่อย่างเป็นทางการของ Google: 0.015 ดอลลาร์ต่อ 1,000 ตัวอักษรสำหรับ Gemini 3.8 Flash TTS, 0.01 ดอลลาร์สำหรับ Gemini 3.8 Flash Lite TTS และ 0.035 ดอลลาร์สำหรับทั้ง Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS

ฉันจะสร้างการสนทนาแบบหลายลำโพงได้อย่างไร

กำหนดแต่ละเสียงในรายการ `ลำโพง` ด้วย `speaker_id` ที่ไม่ซ้ำกัน (ในรูปแบบ "Speaker N") จากนั้นอ้างอิง ID เหล่านั้นใน `dialogue_turns` ของคุณ โมเดลจะแสดงแต่ละบรรทัดด้วยเสียง สำเนียง สไตล์ และจังหวะของผู้พูดที่ได้รับมอบหมาย

มีเสียงและสำเนียงอะไรบ้าง?

Gemini TTS ทั้งสี่ระดับมีเสียงที่สร้างไว้ล่วงหน้า 30 เสียง (Zephyr, Fenrir, Puck, Kore และอื่นๆ) และ 8 สำเนียง รวมถึงเสียงกลาง เสียงแบบอเมริกัน เสียงอังกฤษ (RP) เสียงอังกฤษ (Brixton) เสียงข้ามมหาสมุทรแอตแลนติก และออสเตรเลีย

Can I control emotion and pacing?

ใช่ Each speaker has `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) and `pace` (Natural, Rapid Fire, The Drift, Staccato) settings, plus inline tone tags like [whispers] or [shouting] embedded directly in the dialogue text.

รูปแบบเสียงใดที่ส่งคืน?

แต่ละรุ่นส่งคืน URL ไฟล์เสียงที่ดาวน์โหลดได้จากจุดสิ้นสุดผลลัพธ์การทำนายมาตรฐาน ซึ่งพร้อมที่จะฝัง ดาวน์โหลด หรือส่งผ่านไปยังไปป์ไลน์วิดีโอหรือลิปซิงค์

ฉันจะเข้าถึง Gemini TTS API ได้อย่างไร

สร้างคีย์ Muapi API เรียกตำแหน่งข้อมูลที่ตรงกับระดับ Gemini TTS ที่คุณต้องการ และสำรวจรหัสคำขอที่ส่งคืน ไม่จำเป็นต้องมีรายชื่อรอ — ทั้งสี่รุ่นใช้งานได้จริง

พร้อมที่จะสร้างเสียง Gemini TTS แล้วหรือยัง?

ใช้คีย์ Muapi API หนึ่งคีย์กับ Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS