Pular para o conteúdo principal

Sem censura — Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.Ver todos os modelos com esse nível de filtragem
google/gemini-2.5-pro-tts/text-to-speech

O text-to-speech Gemini 2.5 Pro lê um roteiro em uma de 30 vozes e devolve um WAV mono de 24 kHz. Sotaque, estilo e ritmo aceitam orientação em linguagem simples, marcações entre colchetes como [sighs] são interpretadas, e um diálogo pode usar até duas vozes.

A partir de $0.00045/s10% abaixo do preço oficial
Executar modelo

Playground

Entrada

Texto para fala
Informe pelo menos um destesRequisito atendido
127/5000
As palavras a serem faladas, exatamente como escritas. Marcas entre colchetes como [sighs] são interpretadas, não lidas. Até 5.000 caracteres. Para uma conversa entre duas vozes, use dialogue. pelo menos 1 caracteres · no máximo 5000 caracteres

Cerca de 11 s de áudio (estimativa aproximada)

Diálogo0/20
Uma conversa roteirizada para até duas vozes, usada no lugar de text: até 20 falas, cada uma com speaker (um nome de speakers) e text de até 250 caracteres. As falas são interpretadas em ordem. Cobrado por segundo de áudio retornado, como text. pelo menos 1 itens · no máximo 20 itens
Falantes0/2
O elenco de dialogue: uma ou duas entradas, cada uma com um name ao qual as falas se referem, um voice_id e, opcionalmente, accent, style, pace e profile (uma descrição curta de quem fala, que não é lida em voz alta). O que uma entrada não definir vem de accent, style e pace do nível superior. Não altera o preço por segundo. pelo menos 1 itens · no máximo 2 itens
Uma das 30 vozes prontas, cada uma com caráter fixo. Padrão: Kore. É a voz de text; em dialogue cada entrada define o próprio voice_id.
Estilo
SussurroEmpáticoCom sorrisoLocutor de notíciasTom de propagandaImpassível
Jeito geral da leitura. Deixe vazio para usar o jeito padrão da voz. Em dialogue, vale para as entradas que não definirem o seu.
Ritmo
NaturalAceleradoSem pressaStaccato
Ritmo da leitura: natural, rapid_fire (rápido e seco), the_drift (lento e arrastado) ou staccato (frases curtas e separadas). Se você não definir, a voz mantém o próprio ritmo; em dialogue, vale para as entradas que não definirem o seu. Um ritmo mais lento gera mais segundos de áudio, que é o que você paga.
Sotaque do inglês usado na leitura. Padrão: neutral. Em dialogue, vale para as entradas que não definirem o seu.
0/1000
Instrução livre sobre como ler: ritmo, clima, distância do microfone, ouvinte. Molda a interpretação e não é falada. Até 1.000 caracteres. no máximo 1000 caracteres

Nunca é lido em voz alta. Só define como o roteiro é interpretado.

0/500
Onde e para quem as palavras são ditas, por exemplo “um quarto de hotel silencioso depois da meia-noite”. Molda a interpretação e não é lido em voz alta. Até 500 caracteres. Não altera o preço por segundo. no máximo 500 caracteres
Temperatura
Variação entre as tomadas, de 0 a 2: valores mais altos deixam a interpretação menos previsível. Se você não definir, vale o padrão do modelo. Não altera o preço por segundo. não menor que 0 · não maior que 2
Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Saída

Pronto para uma nova execução
Resultado de exemplo
0:00 / –:––
Avatar
Fala para texto
Sincronia labial

Modelos relacionados e próximas tarefas

Não encontrou o modelo que precisa?

Conte qual modelo adicionar e para que você vai usá-lo. Os pedidos vão direto para quem decide os próximos modelos.

Dirija uma leitura como se instruísse um dublador

O Gemini 2.5 Pro TTS transforma até 5.000 caracteres de roteiro em um único arquivo WAV, narrado por uma das 30 vozes pré-definidas. Quatro controles moldam a interpretação: voice_id escolhe a voz, style define um tom geral como sussurro ou apresentador de telejornal, accent restringe a leitura em inglês a uma de oito variedades, e instructions aceita uma ou duas frases de direção em linguagem simples. Indicações escritas entre colchetes, como [sighs], são encenadas em vez de lidas em voz alta. O SpicyAPI não adiciona nenhum filtro de conteúdo, e em nossos testes o modelo leu por completo nossos roteiros de monólogo e narração mais fortes. A cobrança é por segundo de áudio efetivamente devolvido.

Abrir o playground
Vozes
30 predefinidas, cada uma com caráter fixo
Tamanho do roteiro
Até 5.000 caracteres por requisição
Direção
voice_id, style, accent (inglês) e instructions
Saída
Um arquivo WAV, 24 kHz, 16 bits, mono
Clipe mais longo
Cerca de 655 segundos (16.384 tokens de áudio)
Cobrança
Por segundo, 10% abaixo do preço do Google
Direção
Notas em linguagem simples em vez de uma ficha de ajustesstyle define um tom como whisper ou deadpan, accent restringe uma leitura em inglês a oito variantes, e instructions aceita uma ou duas frases sobre ritmo, humor e distância do microfone. Nada disso é falado — apenas molda como a voz fixa lê o roteiro.
Interpretação
Indicações entre colchetes são interpretadas, não lidasEscreva [sighs], [whispering] ou [laughing] dentro do roteiro e o modelo interpreta a indicação em vez de pronunciar essas palavras, então um único campo de texto carrega tanto as falas quanto parte da interpretação.
Conteúdo
Sem filtro de conteúdo, roteiros lidos como escritosO SpicyAPI não aplica nenhum filtro de conteúdo próprio. Em nossos testes, o modelo leu por completo nossos três roteiros de teste mais fortes: um monólogo em primeira pessoa, um trecho no estilo audiolivro e uma cena conduzida por indicações entre colchetes, sem pular palavras nem cortar o clipe.

O que a API Gemini 2.5 Pro TTS faz bem

  • Quatro controles em vez de uma única escolha de voz

    voice_id, style, accent e instructions trabalham juntos: escolha uma voz, defina um tom geral, restrinja o sotaque para um roteiro em inglês e complete com uma nota curta para o que os três primeiros não cobrem. Mudar o humor de uma fala não exige trocar de voz.

  • Notas de direção que nunca são faladas

    instructions aceita até 1.000 caracteres de direção em linguagem simples — ritmo, humor, quem escuta, distância do microfone — e nada disso vai parar no áudio. Roteiro e direção ficam claramente separados.

  • Indicações entre colchetes interpretadas dentro do roteiro

    [sighs], [whispering], [laughing] e semelhantes são interpretadas exatamente onde aparecem no texto, em vez de faladas como palavras, então os momentos de uma cena podem ser marcados direto no roteiro.

  • Um arquivo sem perdas, pronto para outras ferramentas

    A saída é um único arquivo WAV em 24 kHz, 16 bits, mono — sem artefatos de compressão para limpar antes de mixar, editar ou repassar a outro modelo.

  • Cobrança só pelos segundos que você recebe

    Enquanto a tarefa roda, uma reserva cobre o clipe mais longo possível; a cobrança se ajusta à duração real do áudio devolvido assim que ele é medido. Uma requisição que falha não é cobrada.

  • Roteiros sem filtro, lidos como escritos

    O SpicyAPI não adiciona nenhum filtro de conteúdo. Em nossos testes, nossos roteiros de teste mais fortes, em primeira pessoa e narrados, foram lidos por completo, e as indicações entre colchetes como [breathy] foram executadas, sem pular nem cortar nada.

Para quem Gemini 2.5 Pro TTS é indicado

  • Produtores de audiobooks e ficção seriada

    Uma voz, consistente capítulo após capítulo

    Defina uma voz e uma nota curta em instructions uma vez, e reaproveite ambas no livro inteiro. A mesma voz com a mesma direção lê de forma consistente de um capítulo para o outro.

  • Criadores de apps de chat e companhia

    Uma voz de personagem com humor próprio

    style e instructions transformam um roteiro neutro em algo que soa dirigido a um único ouvinte — um style whisper com uma nota sobre proximidade do microfone soa bem diferente da mesma fala em style newscaster.

  • Editoras de áudio sem filtro

    Roteiros sem filtro, lidos sem edições

    Em nossos testes, o modelo leu por completo nossos roteiros de teste mais fortes, em primeira pessoa e narrados, executando os sons e as respirações entre colchetes em vez de pulá-los. O que você publica, e para quem, continua sendo decisão sua.

  • Pipelines de vídeo e animação

    Uma trilha de voz para repassar a um modelo de lip-sync

    Gere a fala aqui, receba um arquivo WAV e repasse a um modelo de avatar falante ou lip-sync para que um rosto a interprete. A duração do áudio define a duração do clipe seguinte.

Como chamar a API Gemini 2.5 Pro TTS

  1. Escreva o roteiro em text

    Até 5.000 caracteres, exatamente como deve ser falado, incluindo a pontuação para marcar as pausas.

  2. Escolha um voice_id

    Uma das 30 vozes predefinidas. Se omitido, usa-se Kore por padrão.

  3. Adicione style e accent se o tom padrão não for o ideal

    style define um tom como whisper ou newscaster; accent restringe uma leitura em inglês a uma de oito variantes. Omita qualquer um para usar o tom padrão da voz.

  4. Dirija o restante em instructions

    Uma ou duas frases sobre ritmo, humor ou distância do microfone, até 1.000 caracteres. Molda a leitura e nunca é falado.

  5. Recupere o WAV quando a tarefa for liquidada

    O arquivo tem 24 kHz, 16 bits, mono, e fica armazenado na SpicyAPI por 14 dias. A cobrança se ajusta aos segundos efetivamente medidos.

Exemplos práticos com Gemini 2.5 Pro TTS

  • Uma nota de voz sussurrada de madrugada

    style em whisper e uma nota curta em instructions sobre proximidade do microfone transformam uma fala simples em algo que soa sussurrado, bem perto, para um único ouvinte.

    {"text": "Hey... I know it's late, but I couldn't stop thinking about you. [sighs] Call me back when you get this.", "voice_id": "Enceladus", "style": "whisper", "instructions": "Close to the microphone, quiet, a little breathless, as if speaking only to the person listening."}

  • A abertura de um capítulo de audiobook romântico

    Uma voz narradora estável, constante em todo o livro, precisa só de voice_id e uma nota curta em instructions sobre ritmo para sustentar de um capítulo ao outro.

    {"text": "The rain hadn't stopped since morning, and neither had the letter sitting unopened on her desk. She knew, the moment she saw the handwriting, exactly who it was from.", "voice_id": "Charon", "instructions": "Warm, unhurried narration, like reading aloud to someone curled up nearby."}

  • Uma fala de jogo insinuante com sotaque específico

    accent restringe a leitura a uma variante do inglês, útil para vozes de personagem voltadas a um mercado específico, enquanto style acrescenta um calor cúmplice à fala.

    {"text": "You actually came back for me? [whispering] I was hoping you would.", "voice_id": "Aoede", "accent": "british_rp", "style": "vocal_smile"}

Perguntas sobre a API Gemini 2.5 Pro TTS

Trate style, accent e instructions como três controles separados, não como um único painel de ajustes: use style para o tom geral, recorra a accent só quando o roteiro é em inglês e uma variante específica importa, e reserve instructions para o que os outros dois não cobrem — proximidade do microfone, quem escuta, o quão cansada ou divertida a voz deve soar. Mantenha a nota curta; uma ou duas frases guiam uma leitura com mais confiabilidade do que uma longa lista de adjetivos. Se uma cena precisar de um momento — uma respiração, uma pausa, uma risada — escreva-o no próprio roteiro como uma indicação entre colchetes em vez de descrevê-lo em instructions, já que as indicações são interpretadas exatamente onde aparecem.

Todos os modelos Gemini8

Modelos de áudio3

Modelos de texto5