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.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- 0:00 / –:––
late-night-voice-note Szeptana wiadomość głosowa głosem Aoede, z parametrem style ustawionym na whisper. Wskazówka [sighs] jest odgrywana jako oddech, a nie odczytywana, a pauzy wynikają z wielokropków w scenariuszu.
- whisper
- Aoede
- 0:00 / –:––
storm-cabin-chapter Dwie linijki romantycznej narracji głosem Charon, kierowane wyłącznie jednym zdaniem w polu instructions: ciepło, bez pośpiechu, blisko mikrofonu. Notatka kształtuje tempo i nigdy nie jest wypowiadana.
- Charon
- 0:00 / –:––
last-round-bartender Przekomarzająca się kwestia barmana z accent ustawionym na british_rp i style na vocal_smile. Wskazówka [laughs] pojawia się jako krótki śmiech tuż przed puentą.
- vocal_smile
- british_rp
- Algenib
Ten przykład zaczyna się od $0.00045 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.