API de texto a voz Gemini 2.5 Pro: 30 voces, WAV

Name: Gemini 2.5 Pro TTS API
SKU: google/gemini-2.5-pro-tts/text-to-speech
Price: 0.0007 USD
Availability: InStock

Parámetros de la petición

Parámetro	Obligatorio	Descripción
`pace`	No	Rhythm of the reading. Omit it to keep the voice's own rhythm. natural · rapid_fire · the_drift · staccato
`text`	No	The words to be spoken, exactly as written. Cues in square brackets such as [sighs] are performed rather than read aloud.
`scene`	No	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`style`	No	Un estilo o género predefinido. whisper · empathetic · vocal_smile · newscaster · promo_hype · deadpan
`accent`	No	English accent used for the reading. neutral · american_general · american_valley · american_south · british_rp · british_brixton · transatlantic · australian · Por defecto: neutral
`dialogue`	No	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`	No	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`	No	Elige entre las voces disponibles. Achernar · Achird · Algenib · Algieba · Alnilam · Aoede · Autonoe · Callirrhoe · Charon · Despina · Enceladus · Erinome · Fenrir · Gacrux · Iapetus · Kore · Laomedeia · Leda · Orus · Puck · Pulcherrima · Rasalgethi · Sadachbia · Sadaltager · Schedar · Sulafat · Umbriel · Vindemiatrix · Zephyr · Zubenelgenubi · Por defecto: Kore
`temperature`	No	Variation between takes; higher is less predictable. ≥ 0 · ≤ 2
`instructions`	No	How to read the text: pace, mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.

Precios

Los precios están en créditos, los mismos que usas en la web (1 crédito = 0,01 $). El importe se retiene cuando se acepta la tarea y se liquida al coste real cuando termina; las tareas fallidas se reembolsan.

Opción	Créditos por segundo	≈ USD
Estándar	0,07	0,0007 US$

Para saber la cifra exacta antes de ejecutar, envía el mismo cuerpo a POST /jobs/quote.

Inicio rápido de la API

Llama a la API de Gemini 2.5 Pro TTS en tres pasos

Crea una clave de API. Inicia sesión en PopNow y crea una clave en la consola de la API. Las claves empiezan por sk-popnow- y usan los mismos créditos que el sitio web.
Envía la solicitud. Haz POST /jobs/createTask con model google/gemini-2.5-pro-tts/text-to-speech y un objeto input según la tabla de parámetros. La respuesta devuelve un ID de tarea al instante.
Obtén el resultado. Consulta GET /jobs/recordInfo con el ID de tarea, o pasa una callBackUrl y te enviamos el resultado ahí. Descarga los enlaces de salida cuando la tarea termine bien.

# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
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: $IDEMPOTENCY_KEY" \
  -d '{
  "model": "google/gemini-2.5-pro-tts/text-to-speech",
  "input": {
    "text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
    "voice_id": "Kore",
    "accent": "neutral"
  }
}'

# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $POPNOW_API_KEY"

Sustituye el prompt y los enlaces por los tuyos. La pestaña API tiene la referencia de la respuesta, el sondeo y el callback.

Preguntas sobre la API de Gemini 2.5 Pro TTS

¿Cuánto cuesta la API de Gemini 2.5 Pro TTS?

Gemini 2.5 Pro TTS cuesta 0,07 créditos (0,0007 US$) por segundo. Los créditos son los mismos que en la web (1 crédito = 0,01 $), las cuentas nuevas reciben 30 créditos gratis y las tareas fallidas se reembolsan.

¿Cuál es el nombre de modelo de Gemini 2.5 Pro TTS en la API?

Pon google/gemini-2.5-pro-tts/text-to-speech para Texto a voz en el campo model de POST /jobs/createTask.

¿Cómo controlo cómo suena?

voice_id elige la voz, style fija una manera general como whisper o deadpan, accent elige un acento del inglés, pace marca el ritmo, e instructions y scene reciben una o dos frases sobre la interpretación y el contexto: ánimo, a quién se habla, dónde. Esas notas dan forma a la lectura y no se leen en voz alta; temperature define cuánto varían las tomas.