双子座3.8 Flash TTS
Google 最新的 Flash 级 Gemini TTS 模型具有工作室级语音保真度、表现力和长格式稳定性,价格为 0.015 美元/1,000 个字符。
Muapi 的 Gemini TTS API 通过一个统一的 REST 集成为您提供 Google 完整的 Gemini 文本转语音系列:Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS 和 Gemini 2.5 Pro TTS。每个模型都共享相同的多说话者对话格式 - 定义说话者的声音、口音、情感风格和节奏,然后使用内嵌语调标签(如 [耳语] 或 [喊叫])编写有序的对话轮次。定价从每 1,000 个字符 0.01 美元起,每个层都采用相同的异步提交和轮询模式。
The full Gemini TTS lineup is live on Muapi
根据保真度、延迟和成本选择 Gemini TTS 层,定义扬声器、编写对话脚本,并轮询返回的请求 ID 以获取可下载的音频文件。
高性价比的多角色语音,可为不同角色设置声音、口音、情绪风格,并在文本中加入 [whispers] 等语气标签。
录音棚级多角色语音,适合有声书、电影感对白和需要高保真表现的长篇旁白。
Google 的 Gemini TTS 模型可将书面脚本转换为富有表现力的多扬声器音频。每一层都共享相同的请求形状:定义一个或多个讲话者的声音、口音、情感风格和节奏,然后编写引用这些讲话者的有序对话轮次,并使用内嵌语气标签,例如 [耳语]、[喊叫] 或 [决心] 来表示行级情感方向。
Muapi 通过一个 API 密钥、一个异步提交和轮询流程以及与 Google 自己公布的费率相匹配的透明即用即付计费方式,公开所有四个 Gemini TTS 层(Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS 和 Gemini 2.5 Pro TTS)。
每个 Gemini TTS 层都通过共享的“speakers”/“dialogue_turns”格式为脚本化的对话轮次分配不同的声音、口音和交付风格。
直接在对话文本中嵌入[耳语]、[喊叫]和[决心]等标签,以实现富有表现力的行级控制。
选择 Gemini 3.8 Flash TTS 实现工作室级保真度,选择 Gemini 3.8 Flash Lite TTS 实现最低成本和延迟,选择 Gemini 3.1 Flash TTS 实现上一代的快速平衡,或者选择 Gemini 2.5 Pro TTS 实现高级旁白 — 所有这些都具有相同的请求架构。
从 30 个 Gemini 语音名称(Zephyr、Fenrir、Puck、Kore 等)和 8 种口音中进行选择,包括中性口音、美式变体、英国 (RP)、英国 (Brixton)、跨大西洋和澳大利亚口音。
为声学设置设置可选的“场景”描述,为整体叙述音调设置“sample_context”,并为传递变化设置“温度”控制。
每个级别均按 Google 发布的每 1,000 个字符的 Gemini TTS 音频输出速率计费,无任何标记,也无需订阅。
使用 Gemini 3.8 Flash 或 Flash Lite TTS 为 NPC 配音并与独特的、情感导向的角色进行分支对话。
利用 Gemini 3.8 Flash Lite TTS 的低延迟、高吞吐量生成功能,为实时语音代理和 IVR 系统提供支持。
利用 Gemini 2.5 Pro TTS 的工作室品质保真度制作多主机对话音频或长篇旁白。
在最终的高保真渲染之前,在 Gemini 3.1 Flash TTS 上快速迭代音调、口音和节奏。
| 模型 | 提供商 | 价格 | 适合场景 |
|---|---|---|---|
| 双子座3.8 Flash TTS | 谷歌 | $0.015/1,000 characters | 工作室级的保真度、表现力、长篇稳定性 |
| Gemini 3.8 Flash Lite TTS | 谷歌 | $0.01/1,000 characters | 高吞吐量、低延迟的对话式语音 |
| 双子座3.1 Flash TTS | 谷歌 | $0.035/1,000 characters | 快速、经济高效的多发言者对话 |
| Gemini 2.5 Pro TTS | 谷歌 | $0.035/1,000 characters | 优质录音室品质的多扬声器对话 |
使用您的 Muapi API 密钥提交演讲者和对话回合,保存请求 ID,并轮询音频 URL 的标准预测结果端点。
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"}工作室级的语音保真度和角色对话和旁白的长格式稳定性。
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."}]}'适用于高吞吐量会话语音的成本最低、延迟最低的 Gemini TTS 层。
借助上一代 Flash 层实现快速、经济高效的多扬声器对话。
适用于有声读物和电影旁白的优质录音室品质多扬声器对话。
轮询直到 status 变为 completed,然后从响应中读取可下载的音频 URL。
Muapi 的 Gemini TTS API 通过每个模型一个统一的 REST 端点,公开了 Google 完整的 Gemini 文本转语音系列 — Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS 和 Gemini 2.5 Pro TTS,所有这些都共享相同的多扬声器对话请求格式。
使用 Gemini 3.8 Flash TTS 以低成本实现工作室级保真度,使用 Gemini 3.8 Flash Lite TTS 在大容量或实时工作负载中实现最低延迟和成本,使用 Gemini 3.1 Flash TTS 实现快速上一代选项,或使用 Gemini 2.5 Pro TTS 实现最高保真度优质旁白。
定价与 Google 官方公布的费率一致:Gemini 3.8 Flash TTS 每 1,000 个字符 0.015 美元,Gemini 3.8 Flash Lite TTS 0.01 美元,Gemini 3.1 Flash TTS 和 Gemini 2.5 Pro TTS 均为 0.035 美元。
使用唯一的“speaker_id”(以“Speaker N”格式)定义“speakers”列表中的每个声音,然后在“dialogue_turns”中引用这些 ID。该模型以该说话者指定的声音、口音、风格和语速来呈现每一行。
所有四个 Gemini TTS 级别共享 30 种预置声音(Zephyr、Fenrir、Puck、Kore 等)和 8 种口音,包括中性口音、美式变体、英国 (RP)、英国 (Brixton)、跨大西洋和澳大利亚口音。
是的。每个演讲者都有“风格”(微笑、新闻播音员、耳语、同理心、促销/炒作、面无表情)和“节奏”(自然、快速、漂移、断奏)设置,以及直接嵌入对话文本中的内联音调标签,例如[耳语]或[喊叫]。
每个模型都会从标准预测结果端点返回可下载的音频文件 URL,可以嵌入、下载,或传入视频和 lipsync 流程。
创建 Muapi API 密钥,调用与所需 Gemini TTS 层匹配的端点,并轮询返回的请求 ID。无需等候名单——所有四个模型均已上线。
在 Gemini 3.8 Flash TTS、Gemini 3.8 Flash Lite TTS、Gemini 3.1 Flash TTS 和 Gemini 2.5 Pro TTS 中使用一个 Muapi API 密钥。