🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →
模型/音频/Gemini TTS
在线4 个模型

Gemini TTS API — Google Gemini Text to Speech

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。

i

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。

Gemini 3.8 Flash 和 Flash Lite TTS

Google 最新一代 Gemini TTS — 工作室级保真度或高吞吐量、低延迟对话语音2 个模型
TTS新品
3.8 Flash

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。

Dialogue → audio快速
$0.015/1,000 chars
体验模型
TTS新品
3.8 Flash

Gemini 3.8 Flash Lite TTS

最实惠的 Gemini TTS 级别 — 高吞吐量、低延迟对话语音,每 1,000 个字符 0.01 美元。

Dialogue → audio快速
$0.01/1,000 chars
体验模型

双子座3.1 Flash TTS

快速、经济高效的多发言者对话1 个模型
TTS在线
3.1 闪存

双子座3.1 Flash TTS

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。

Dialogue → audio快速
$0.035/1,000 chars
体验模型

Gemini 2.5 Pro TTS

优质录音室品质的多扬声器对话1 个模型
TTS在线
2.5 Pro

Gemini 2.5 Pro TTS

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。

Dialogue → audio
$0.035/1,000 chars
体验模型

什么是 Gemini TTS API?

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)。

Gemini TTS capabilities

多角色对话

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。

行内情绪与语气

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。

Four tiers, one shape

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。

30 种预置声音、8 种口音

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。

场景和音调控制

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。

谷歌官方定价

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。

Gemini TTS 用例

角色对话和游戏

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。

对话式人工智能代理

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。

Podcasts & audiobooks

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。

原型制作

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。

Gemini TTS model comparison

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

Gemini TTS API 示例

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。

使用 Gemini 3.8 Flash TTS 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"}

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。

使用 Gemini 3.8 Flash Lite TTS 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."}]}'

适用于高吞吐量会话语音的成本最低、延迟最低的 Gemini TTS 层。

使用 Gemini 3.1 Flash TTS 生成

借助上一代 Flash 层实现快速、经济高效的多扬声器对话。

使用 Gemini 2.5 Pro TTS 生成

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。

轮询音频结果

轮询直到 status 变为 completed,然后从响应中读取可下载的音频 URL。

Gemini TTS API FAQ

什么是 Gemini TTS API?

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。

我应该使用哪种 Gemini TTS 模型?

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。

Gemini TTS API 的费用是多少?

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。

如何创建多发言者对话?

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。

有哪些声音和口音可用?

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。

我能控制情绪和节奏吗?

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]。

会返回什么音频格式?

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。

如何访问 Gemini TTS API?

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。

准备好生成 Gemini TTS 音频了吗?

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。