Zum Hauptinhalt springen

Unzensiert — Dieses Modell filtert Inhalte nach eigener Angabe nicht. SpicyAPI leitet die Anfrage ohne zusätzliche Plattformprüfung weiter; Rechts- und Einwilligungspflichten bleiben beim Kunden.Alle Modelle dieser Filterstufe ansehen
google/gemini-2.5-pro-tts/text-to-speech

Gemini 2.5 Pro Text-zu-Sprache liest ein Skript in einer von 30 Stimmen und liefert eine 24-kHz-Mono-WAV. Akzent, Stil und Tempo folgen Anweisungen in Klartext, Cues in Klammern wie [sighs] werden gespielt, ein Dialog kann bis zu zwei Stimmen nutzen.

Ab $0.00045/s10 % unter dem Listenpreis
Modell ausführen

Playground

Anfrage senden

Schnellstart

Die Beispiele verwenden die öffentlichen Parameter des gewählten Endpunkts. Ersetzen Sie API-Schlüssel und Beispielmedien und senden Sie die Anfrage von Ihrem Server.

SDKs & Integrationen
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

API-Authentifizierung

Bewahren Sie den API-Schlüssel serverseitig in der Umgebungsvariablen SPICY_API_KEY auf. Verwenden Sie Bearer-Authentifizierung und für JSON-Anfragen Content-Type: application/json.

Authorization: Bearer $SPICY_API_KEY
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "google/gemini-2.5-pro-tts/text-to-speech",
  "input": {
    "text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
    "accent": "neutral",
    "voice_id": "Kore"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Erzeugt aus dem Eingabeschema dieses Modells – genau dem, gegen das die API jede Anfrage prüft.

Eingabeparameter

Diese Felder gehören in das input-Objekt des Request-Bodys. Namen und Typen entsprechen der API. Wo kein Standardwert angegeben ist, dürfen Sie auch keinen annehmen.

Zwischen einigen Feldern bestehen Abhängigkeiten: Bedingt erforderliche Felder hängen von anderen Eingaben ab. Die vollständigen Regeln stehen im JSON-Schema weiter unten.

temperaturenumberOptional

Variation zwischen Durchgängen, von 0 bis 2: Höhere Werte machen den Vortrag weniger vorhersehbar. Ohne Angabe gilt der Standardwert des Modells. Ändert den Preis pro Sekunde nicht.

Standardwert
Nicht festgelegt
Einschränkungen
minimum:0
maximum:2
scenestringOptional

Wo und zu wem gesprochen wird, etwa „ein stilles Hotelzimmer nach Mitternacht“. Prägt den Vortrag und wird nicht vorgelesen. Bis zu 500 Zeichen. Ändert den Preis pro Sekunde nicht.

Standardwert
Nicht festgelegt
Einschränkungen
maxLength:500
instructionsstringOptional

Regieanweisung in Freitext: Tempo, Stimmung, Abstand zum Mikrofon, Zuhörer. Prägt den Vortrag und wird nicht gesprochen. Bis zu 1.000 Zeichen.

Standardwert
Nicht festgelegt
Einschränkungen
maxLength:1000
accentstringOptional

Englischer Akzent für den Vortrag. Standard ist neutral. In dialogue gilt der Wert für Einträge ohne eigenen.

Standardwert
"neutral"
Zulässige Werte
"neutral""american_general""american_valley""american_south""british_rp""british_brixton""transatlantic""australian"
pacestringOptional

Rhythmus der Lesung: natural, rapid_fire (schnell und knapp), the_drift (langsam und gedehnt) oder staccato (kurze, abgesetzte Phrasen). Ohne Angabe bleibt der eigene Rhythmus der Stimme; in dialogue gilt der Wert für Einträge ohne eigenen. Langsameres Tempo ergibt mehr Sekunden Audio, und nach diesen wird abgerechnet.

Standardwert
Nicht festgelegt
Zulässige Werte
"natural""rapid_fire""the_drift""staccato"
stylestringOptional

Grundhaltung des Vortrags. Leer lassen, damit die Stimme in ihrer eigenen Grundhaltung liest. In dialogue gilt der Wert für Einträge ohne eigenen.

Standardwert
Nicht festgelegt
Zulässige Werte
"whisper""empathetic""vocal_smile""newscaster""promo_hype""deadpan"
voice_idstringOptional

Eine der 30 vorgefertigten Stimmen, jede mit festem Charakter. Standard ist Kore. Sie spricht text; in dialogue legt jeder Eintrag seine eigene voice_id fest.

Standardwert
"Kore"
Zulässige Werte
"Achernar""Achird""Algenib""Algieba""Alnilam""Aoede""Autonoe""Callirrhoe""Charon""Despina""Enceladus""Erinome""Fenrir""Gacrux""Iapetus""Kore""Laomedeia""Leda""Orus""Puck""Pulcherrima""Rasalgethi""Sadachbia""Sadaltager""Schedar""Sulafat""Umbriel""Vindemiatrix""Zephyr""Zubenelgenubi"
speakersarray<object>Bedingt erforderlich

Die Besetzung für dialogue: ein oder zwei Einträge, jeweils mit einem name, auf den sich die Zeilen beziehen, einer voice_id und optional accent, style, pace und profile (eine kurze Beschreibung der sprechenden Person, die nicht vorgelesen wird). Was ein Eintrag offenlässt, wird aus accent, style und pace auf oberster Ebene übernommen. Ändert den Preis pro Sekunde nicht.

Standardwert
Nicht festgelegt
Einschränkungen
minItems:1
maxItems:2
dialoguearray<object>Bedingt erforderlich

Ein Dialog mit bis zu zwei Stimmen, anstelle von text: bis zu 20 Zeilen, jede mit speaker (ein Name aus speakers) und text mit höchstens 250 Zeichen. Die Zeilen werden der Reihe nach gesprochen. Abgerechnet wird pro Sekunde des zurückgegebenen Audios, wie bei text.

Standardwert
Nicht festgelegt
Einschränkungen
minItems:1
maxItems:20
textstringBedingt erforderlich

Die zu sprechenden Wörter, genau wie geschrieben. Hinweise in eckigen Klammern wie [sighs] werden gespielt, nicht vorgelesen. Bis zu 5.000 Zeichen. Für ein Gespräch zwischen zwei Stimmen verwenden Sie stattdessen dialogue.

Standardwert
Nicht festgelegt
Einschränkungen
minLength:1
maxLength:5000

Auftrag verfolgen

HTTP 202 bestätigt die Annahme, nicht den Abschluss. Speichern Sie die zurückgegebene taskId und fragen Sie diesen Auftrag ab. Erstellen Sie währenddessen keinen weiteren Auftrag.

Antwort bei Annahme
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3

{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_create",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "state": "queued",
    "estimatedCost": "0.750000"
  }
}

Diese Antwort enthält bereits die Kostenschätzung, damit Ihre Anwendung in Auftragsverlauf und Abrechnung denselben Betrag anzeigen kann.

Auftrag abrufen
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Beginnen Sie mit etwa 2 Sekunden Abstand und verlängern Sie das Intervall schrittweise. Bei einem Endzustand hören Sie auf. Nach einem Verbindungsfehler fragen Sie dieselbe taskId ab. Neu anlegen nur mit demselben Idempotency-Key und demselben Request-Body.

Oder den Rückruf zu Ihnen kommen lassen
import { verifyWebhook } from "@spicyapi/sdk";

// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
  const { payload } = verifyWebhook({
    rawBody: req.body,
    timestamp: req.header("X-Webhook-Timestamp"),
    signature: req.header("X-Webhook-Signature"),
    payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
    secret: process.env.SPICY_WEBHOOK_SECRET,
  });
  res.status(200).end();
  void handleFinishedTask(payload);
});

Übergeben Sie callBackUrl beim Anlegen der Aufgabe, dann wird Ihnen der fertige Datensatz per POST zugestellt — ganz ohne Polling-Schleife. Jede Zustellung trägt X-Webhook-Timestamp, X-Webhook-Signature und X-Webhook-Payload-Version. Die Signatur ist ein base64-HMAC-SHA256 über taskId.timestamp.sha256(body) und muss deshalb gegen die Rohbytes geprüft werden: Wer das JSON parst und neu serialisiert, verändert sie, und die Prüfung schlägt fehl. Fehlgeschlagene Zustellungen werden wiederholt, dieselbe taskId kann also zweimal ankommen — machen Sie den Handler idempotent. Antworten Sie zuerst mit 2xx und arbeiten Sie danach; ein langsamer Handler gilt als fehlgeschlagene Zustellung.

Ergebnis auslesen

Lesen Sie output erst aus, wenn state den Wert succeeded hat. Nutzen Sie bei Fehlern errorCode, errorMessage und request_id zur Diagnose. Beispielkosten und -zustände bilden keine tatsächliche Abrechnung ab.

Beispiel einer fertigen Antwort
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "google/gemini-2.5-pro-tts/text-to-speech",
    "state": "succeeded",
    "output": {
      "assets": [
        {
          "key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
          "mime": "audio/mpeg",
          "url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
          "expiresAt": "2026-08-28T12:20:08.000Z"
        }
      ]
    },
    "cost": "0.750000",
    "settled": true,
    "createdAt": "2026-08-28T12:00:00Z",
    "completedAt": "2026-08-28T12:00:30Z"
  }
}

Verfügbare Dateien lassen sich direkt über assets[].url ohne API-Authorization-Header öffnen oder herunterladen. Der signierte Link läuft zu expiresAt ab. Fragen Sie den Auftrag innerhalb der Aufbewahrungsfrist erneut ab, um den Link zu erneuern. Noch ausstehende oder nicht verfügbare Dateien haben keine URL. Behandeln Sie signierte Links vertraulich.

SDKs & Integrationen

Nutzen Sie SpicyAPI in Ihrer App, im Terminal, mit KI-Assistenten oder in visuellen Workflows. Wählen Sie die passende Anleitung.

SDKs
TypeScript · Python · Go · PHP · Java
CLI
Terminalbefehle und Automatisierungsskripte.
MCP
Claude Code · Cursor · Codex
Agent Skill
Wiederverwendbare Anweisungen für Ihren KI-Assistenten.
n8n
Community-Nodes für selbst gehostetes n8n und importierbare HTTP Request-Vorlagen für n8n Cloud.
ComfyUI
Bild-, Video- und Audio-Workflows auf einer Node-Oberfläche.

Weitere Integrationen

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
Fertige Workflows entdecken

In ComfyUI nutzen

Installieren Sie die SpicyAPI-Nodes über den ComfyUI Manager oder mit dem Befehl unten und suchen Sie auf der Arbeitsfläche nach Gemini 2.5 Pro TTS · Text to Speech. Der Node bietet dieselben Optionen wie diese Seite und zeigt seinen Preis, bevor er läuft.

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
Workflow-BeispieleEinrichtungsanleitungQuellcode auf GitHub