Gemini 2.5 Pro text-to-speech lee un guion con una de 30 voces y devuelve un WAV mono de 24 kHz. Acento, estilo y ritmo aceptan indicaciones en lenguaje llano, las señales entre corchetes como [sighs] se interpretan y un diálogo puede usar hasta dos voces.
Playground
Estos ejemplos se escribieron para este endpoint. Cambia el prompt y las URL de ejemplo por archivos tuyos accesibles y, antes de enviar, revisa la estimación al día y la disponibilidad del modelo.
- 0:00 / –:––
late-night-voice-note Un mensaje de voz susurrado con la voz de Aoede y style configurado en whisper. La indicación [sighs] se interpreta como una respiración en vez de leerse, y las pausas provienen de los puntos suspensivos del guion.
- whisper
- Aoede
- 0:00 / –:––
storm-cabin-chapter Dos líneas de narración romántica con la voz de Charon, dirigidas solo por una frase en instructions: cálida, pausada, cerca del micrófono. La nota moldea el ritmo y nunca se pronuncia.
- Charon
- 0:00 / –:––
last-round-bartender Una línea burlona de bartender con accent en british_rp y style en vocal_smile. La indicación [laughs] cae como una risa breve justo antes del remate.
- vocal_smile
- british_rp
- Algenib
Este ejemplo parte de $0.00045 por segundo de salida. El Playground actualiza la estimación cada vez que cambias los ajustes.