Przejdź do treści głównej

Bez cenzury — Ten model deklaruje brak filtra treści. SpicyAPI przekazuje żądanie dalej, nie dokładając własnego skanowania po stronie platformy; obowiązki prawne i kwestia zgody pozostają po stronie klienta.Zobacz wszystkie modele na tym poziomie filtrowania
google/gemini-2.5-pro-tts/text-to-speech

Gemini 2.5 Pro text-to-speech czyta skrypt jednym z 30 głosów i zwraca WAV mono 24 kHz. Akcent, styl i tempo przyjmują wskazówki zwykłym językiem, wskazówki w nawiasach jak [sighs] są odgrywane, a dialog może użyć do dwóch głosów.

Od $0.00045/s10% poniżej ceny katalogowej twórcy modelu
Uruchom model

Obszar roboczy

Wyślij żądanie

Szybki start

Przykłady korzystają z publicznych definicji parametrów wybranego endpointu. Podmień klucz API i przykładowe media, a potem wyślij żądanie ze swojego serwera.

SDK i integracje
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

Uwierzytelnianie API

Klucz API trzymaj w zmiennej środowiskowej serwera SPICY_API_KEY. Dla żądań JSON używaj uwierzytelniania Bearer i 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"

Wygenerowane ze schematu wejścia tego modelu – tego samego, względem którego API waliduje każde żądanie.

Parametry wejściowe

Te pola umieść w obiekcie input w ciele żądania. Nazwy i typy odpowiadają API. Gdy wartości domyślnej nie podano, nie zakładaj żadnej.

Ten model ma zależności między polami. Pola oznaczone jako wymagane warunkowo zależą od innych danych wejściowych; reguły znajdziesz w pełnym JSON Schema poniżej.

temperaturenumberOpcjonalne

Zróżnicowanie między podejściami, od 0 do 2: wyższe wartości sprawiają, że interpretacja jest mniej przewidywalna. Bez ustawienia obowiązuje wartość domyślna modelu. Nie zmienia ceny za sekundę.

Domyślnie
Nie określono
Ograniczenia
minimum:0
maximum:2
scenestringOpcjonalne

Gdzie i do kogo padają słowa, np. „cichy pokój hotelowy po północy”. Wpływa na interpretację i nie jest odczytywane. Do 500 znaków. Nie zmienia ceny za sekundę.

Domyślnie
Nie określono
Ograniczenia
maxLength:500
instructionsstringOpcjonalne

Dowolna wskazówka do lektury: tempo, nastrój, odległość od mikrofonu, słuchacz. Kształtuje wykonanie i nie jest wypowiadana. Do 1000 znaków.

Domyślnie
Nie określono
Ograniczenia
maxLength:1000
accentstringOpcjonalne

Angielski akcent używany podczas lektury. Domyślnie neutral. W dialogue wartość obowiązuje wpisy bez własnej.

Domyślnie
"neutral"
Dozwolone wartości
"neutral""american_general""american_valley""american_south""british_rp""british_brixton""transatlantic""australian"
pacestringOpcjonalne

Rytm odczytu: natural, rapid_fire (szybko i urywanie), the_drift (wolno i przeciągle) lub staccato (krótkie, oddzielone frazy). Bez ustawienia głos zachowuje własny rytm; w dialogue wartość obowiązuje wpisy bez własnej. Wolniejsze tempo daje więcej sekund dźwięku, a za nie się płaci.

Domyślnie
Nie określono
Dozwolone wartości
"natural""rapid_fire""the_drift""staccato"
stylestringOpcjonalne

Ogólny sposób mówienia. Zostaw puste, aby głos czytał w swoim domyślnym stylu. W dialogue wartość obowiązuje wpisy bez własnej.

Domyślnie
Nie określono
Dozwolone wartości
"whisper""empathetic""vocal_smile""newscaster""promo_hype""deadpan"
voice_idstringOpcjonalne

Jeden z 30 gotowych głosów, każdy o stałym charakterze. Domyślnie Kore. To głos dla text; w dialogue każdy wpis ma własny voice_id.

Domyślnie
"Kore"
Dozwolone wartości
"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>Wymagane warunkowo

Obsada dla dialogue: jeden lub dwa wpisy, każdy z name, do którego odwołują się kwestie, voice_id oraz opcjonalnie accent, style, pace i profile (krótki opis mówiącej osoby, który nie jest odczytywany). Czego wpis nie ustawia, jest brane z pól accent, style i pace najwyższego poziomu. Nie zmienia ceny za sekundę.

Domyślnie
Nie określono
Ograniczenia
minItems:1
maxItems:2
dialoguearray<object>Wymagane warunkowo

Rozpisany dialog maksymalnie dwóch głosów, używany zamiast text: do 20 kwestii, każda z speaker (imię z speakers) i text o długości do 250 znaków. Kwestie są odgrywane po kolei. Rozliczenie za sekundę zwróconego dźwięku, tak jak w przypadku text.

Domyślnie
Nie określono
Ograniczenia
minItems:1
maxItems:20
textstringWymagane warunkowo

Słowa do wypowiedzenia, dokładnie tak, jak je napisano. Znaczniki w nawiasach kwadratowych, takie jak [sighs], są odgrywane, a nie czytane. Do 5000 znaków. Do rozmowy dwóch głosów użyj zamiast tego dialogue.

Domyślnie
Nie określono
Ograniczenia
minLength:1
maxLength:5000

Śledź zadanie

HTTP 202 oznacza, że zadanie zostało przyjęte, a nie ukończone. Zapisz zwrócone taskId i odpytuj właśnie to zadanie. Nie twórz kolejnego zadania, czekając na jego wynik.

Odpowiedź o przyjęciu
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"
  }
}

Odpowiedź o przyjęciu zawiera szacunek, dzięki czemu twoja aplikacja pokaże tę samą kwotę w historii zadań i w rozliczeniach.

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

Zacznij odpytywać mniej więcej co 2 sekundy i stopniowo wydłużaj odstęp. Zatrzymaj się na stanie końcowym. Po zerwaniu połączenia odpytaj pierwotne taskId. Tworzenie ponawiaj wyłącznie z pierwotnym kluczem idempotentności i pierwotnym ciałem żądania.

Albo odbierz wynik przez callback
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);
});

Podaj callBackUrl przy tworzeniu zadania, a gotowy rekord przyjdzie do ciebie metodą POST – bez żadnej pętli odpytywania. Każda dostawa niesie X-Webhook-Timestamp, X-Webhook-Signature i X-Webhook-Payload-Version. Podpis to HMAC-SHA256 w base64 z taskId.timestamp.sha256(body), więc trzeba go sprawdzać na surowych bajtach: sparsowanie JSON-a i ponowne zserializowanie zmienia je i weryfikacja się nie powiedzie. Nieudane dostawy są ponawiane, więc to samo taskId może przyjść dwa razy – zrób obsługę idempotentną. Najpierw odpowiedz kodem 2xx, a pracę wykonaj potem; wolna obsługa jest traktowana jak nieudana dostawa.

Odczytaj wynik

Wynik wykorzystuj dopiero przy stanie succeeded. Przy niepowodzeniu skorzystaj z errorCode, errorMessage i request_id. Przykładowe koszty i stany nie odpowiadają rzeczywistemu rozliczeniu.

Przykład odpowiedzi po zakończeniu
{
  "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"
  }
}

Każdy dostępny materiał otwieraj lub pobieraj bezpośrednio spod assets[].url, bez nagłówka Authorization. Podpisany adres wygasa o expiresAt; odpytaj zadanie ponownie, żeby go odświeżyć, dopóki materiał mieści się w okresie przechowywania. Materiał oczekujący lub niedostępny nie ma adresu. Podpisane adresy traktuj jako prywatne.

SDK i integracje

Korzystaj ze SpicyAPI w aplikacji, terminalu, asystencie AI lub wizualnym przepływie pracy. Wybierz instrukcję konfiguracji.

SDKs
TypeScript · Python · Go · PHP · Java
CLI
Polecenia terminala i skrypty automatyzacji.
MCP
Claude Code · Cursor · Codex
Agent Skill
Instrukcje wielokrotnego użytku dla asystenta AI.
n8n
Węzły społecznościowe dla instalacji self-hosted i szablony HTTP Request do importu w n8n Cloud.
ComfyUI
Przepływy obrazów, wideo i dźwięku na płótnie węzłów.

Więcej integracji

SillyTavernTelegram / DiscordApp proxyOpenAI SDKLangChainVercel AI SDK
Przeglądaj gotowe przepływy pracy

Użyj w ComfyUI

Zainstaluj węzły SpicyAPI przez ComfyUI Manager albo poleceniem poniżej, a potem wyszukaj na płótnie Gemini 2.5 Pro TTS · Text to Speech. Węzeł ma te same opcje co ta strona i pokazuje cenę, zanim ruszy.

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi
Przykładowe workflowyPoradnik konfiguracjiKod źródłowy na GitHubie