Le text-to-speech Gemini 2.5 Pro lit un script avec l’une des 30 voix et renvoie un WAV mono 24 kHz. Accent, style et rythme se dirigent en langage courant, les indications comme [sighs] sont jouées, et un dialogue peut utiliser deux voix.
Atelier
Ces exemples ont été écrits pour ce point de terminaison. Remplacez le prompt et les URL de médias par vos propres fichiers accessibles, puis vérifiez l’estimation à jour et la disponibilité du modèle avant d’envoyer.
- 0:00 / –:––
late-night-voice-note Un message vocal chuchoté avec la voix d’Aoede et style réglé sur whisper. L’indication [sighs] est jouée comme un souffle plutôt que lue, et les pauses viennent des points de suspension du script.
- whisper
- Aoede
- 0:00 / –:––
storm-cabin-chapter Deux lignes de narration romantique avec la voix de Charon, dirigées uniquement par une phrase dans instructions : chaleureuse, posée, proche du micro. La note façonne le rythme et n’est jamais prononcée.
- Charon
- 0:00 / –:––
last-round-bartender Une réplique de barman taquine avec accent réglé sur british_rp et style sur vocal_smile. L’indication [laughs] arrive comme un petit rire juste avant la chute.
- vocal_smile
- british_rp
- Algenib
Cet exemple démarre à $0.00045 par seconde produite. Le Playground actualise l’estimation lorsque vous modifiez les réglages.