Referência da API do Gemini 2.5 Pro TTS

Com uma única chave de API da PopNow você chama o Gemini 2.5 Pro TTS direto do seu código. Aqui estão os IDs de modelo a enviar, cada campo de entrada aceito, quantos créditos custa cada requisição e um exemplo que você cola no terminal e roda.

As descrições dos parâmetros vêm do schema de entrada do modelo e estão disponíveis só em inglês.

Resumo

Desenvolvedor: Google
Resultado: Áudio
A partir de: 0.07 créditos por segundo gerado ($0.0007)
IDs de modelo: google/gemini-2.5-pro-tts/text-to-speech

1 crédito = US$ 0,01. Ao ser aceita, a tarefa reserva o valor máximo possível e, no fim, cobra o uso real, arredondado para cima em créditos inteiros; o restante é liberado. Tarefas que falham não são cobradas. Para saber o valor exato antes de rodar, chame POST /api/v1/jobs/quote.

Texto para fala

google/gemini-2.5-pro-tts/text-to-speech

Preço

Opção	Créditos (por segundo gerado)	Dólares
`Padrão`	0.07	$0.0007

Parâmetros

Campo	Tipo	Padrão	Valores aceitos	Para que serve
`text`Opcional	`string`	—	até 5.000 caracteres	The words to be spoken, exactly as written. Cues in square brackets such as [sighs] are performed rather than read aloud.
`dialogue`Opcional	`array<object>`	—	até 20 itens	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`Opcional	`array<object>`	—	até 2 itens	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`Opcional	`string`	`Kore`	Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Autonoe, Callirrhoe, Charon, Despina, Enceladus, Erinome, Fenrir, Gacrux, … (+16)	Prebuilt voice that reads the text. Each voice has a fixed character.
`style`Opcional	`string`	—	whisper, empathetic, vocal_smile, newscaster, promo_hype, deadpan	Overall manner of the reading. Omit it to use the voice's own default manner.
`pace`Opcional	`string`	—	natural, rapid_fire, the_drift, staccato	Rhythm of the reading. Omit it to keep the voice's own rhythm.
`accent`Opcional	`string`	`neutral`	neutral, american_general, american_valley, american_south, british_rp, british_brixton, transatlantic, australian	English accent used for the reading.
`instructions`Opcional	`string`	—	até 1.000 caracteres	How to read the text: pace, mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.
`scene`Opcional	`string`	—	até 500 caracteres	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`temperature`Opcional	`number`	—	de 0 a 2	Variation between takes; higher is less predictable.

Exemplo de requisição

Esta requisição roda do jeito que está; os campos que você omitir usam o valor padrão. Antes, coloque sua chave em POPNOW_API_KEY.

POST /api/v1/jobs/createTask

curl -X POST "https://api.popnow.ai/api/v1/jobs/createTask" \
  -H "Authorization: Bearer $POPNOW_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
  "model": "google/gemini-2.5-pro-tts/text-to-speech",
  "input": {
    "text": "Hi there! This voice was created with the PopNow API in just a few seconds."
  }
}'

A resposta já traz um taskId. Busque o resultado com GET /api/v1/jobs/recordInfo ou inclua callBackUrl para ser avisado.

GET /api/v1/jobs/recordInfo

curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=TASK_ID_FROM_CREATE_TASK" \
  -H "Authorization: Bearer $POPNOW_API_KEY"