google/gemini-2.5-pro-tts/text-to-speechO 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.
Playground
Estes exemplos foram escritos para este endpoint. Substitua o prompt e as URLs de mídia de exemplo por suas próprias entradas acessíveis. Antes de enviar, confira a estimativa atual e a disponibilidade do modelo.
- 0:00 / –:––
late-night-voice-note Uma mensagem de voz sussurrada com a voz de Aoede e style definido como whisper. A indicação [sighs] é interpretada como uma respiração em vez de lida, e as pausas vêm das reticências do roteiro.
- whisper
- Aoede
- 0:00 / –:––
storm-cabin-chapter Duas linhas de narração romântica com a voz de Charon, dirigidas apenas por uma frase em instructions: calorosa, sem pressa, perto do microfone. A nota molda o ritmo e nunca é falada.
- Charon
- 0:00 / –:––
last-round-bartender Uma fala provocante de bartender com accent definido como british_rp e style como vocal_smile. A indicação [laughs] aparece como uma risada curta antes da deixa final.
- vocal_smile
- british_rp
- Algenib
Este exemplo começa em $0.00045 por segundo de saída. O Playground recalcula a estimativa sempre que você muda as configurações.