Gemini 2.5 Pro TTS: справочник по API

Голоса, которыми можно режиссировать: дикторский текст и диалоги на двоих

С одним ключом PopNow API вы вызываете Gemini 2.5 Pro TTS прямо из своего кода. Здесь собраны ID модели, которые нужно передать, все поля, которые она принимает, стоимость запроса в кредитах и готовый запрос — его можно вставить в терминал и запустить.

Описания параметров взяты из входной схемы модели и пока доступны только на английском.

Кратко

Разработчик: Google
Результат: Аудио
От: 0.07 кр. за секунду результата ($0.0007)
ID модели: google/gemini-2.5-pro-tts/text-to-speech

1 кредит = 0,01 $. При приёме задачи резервируется максимально возможная сумма, а после завершения списывается фактический расход с округлением вверх до целого кредита; остаток возвращается. За задачи, завершившиеся ошибкой, плата не взимается. Точную сумму до запуска покажет POST /api/v1/jobs/quote.

Озвучка текста

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

Цена

Вариант	Кредиты (за секунду результата)	Доллары США
`По умолчанию`	0.07	$0.0007

Параметры

Поле	Тип	По умолчанию	Допустимые значения	Назначение
`text`Необязательно	`string`	—	до 5 000 символов	The words to be spoken, exactly as written. Cues in square brackets such as [sighs] are performed rather than read aloud.
`dialogue`Необязательно	`array<object>`	—	до 20 элементов	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`Необязательно	`array<object>`	—	до 2 элементов	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`Необязательно	`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`Необязательно	`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`Необязательно	`string`	—	natural, rapid_fire, the_drift, staccato	Rhythm of the reading. Omit it to keep the voice's own rhythm.
`accent`Необязательно	`string`	`neutral`	neutral, american_general, american_valley, american_south, british_rp, british_brixton, transatlantic, australian	English accent used for the reading.
`instructions`Необязательно	`string`	—	до 1 000 символов	How to read the text: pace, mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.
`scene`Необязательно	`string`	—	до 500 символов	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`temperature`Необязательно	`number`	—	от 0 до 2	Variation between takes; higher is less predictable.

Пример запроса

Запрос работает как есть; поля, которые вы не указали, берут значения по умолчанию. Сначала положите ключ в переменную 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."
  }
}'

В ответе сразу приходит taskId. Результат забирайте через GET /api/v1/jobs/recordInfo или передайте callBackUrl, чтобы получить уведомление.

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"