Gemini 2.5 Pro 音声合成 API｜30 ボイス・WAV 出力

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

リクエストパラメーター

パラメーター	必須	説明
`pace`	いいえ	Rhythm of the reading. Omit it to keep the voice's own rhythm. natural · rapid_fire · the_drift · staccato
`text`	いいえ	The words to be spoken, exactly as written. Cues in square brackets such as [sighs] are performed rather than read aloud.
`scene`	いいえ	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`style`	いいえ	あらかじめ用意されたスタイルやジャンル。 whisper · empathetic · vocal_smile · newscaster · promo_hype · deadpan
`accent`	いいえ	English accent used for the reading. neutral · american_general · american_valley · american_south · british_rp · british_brixton · transatlantic · australian · デフォルト: neutral
`dialogue`	いいえ	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`	いいえ	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`	いいえ	使える声から選びます。 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 · デフォルト: Kore
`temperature`	いいえ	Variation between takes; higher is less predictable. ≥ 0 · ≤ 2
`instructions`	いいえ	How to read the text: pace, mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.

料金

料金はクレジットで表示され、サイトで使うクレジットと同じです（1クレジット = $0.01）。タスクの受付時に保留され、完了時に実際の料金で精算されます。失敗したタスクは返金されます。

オプション	クレジット /秒	≈ USD
標準	0.07	$0.0007

実行前に正確な金額を知りたいときは、同じボディを POST /jobs/quote に送ってください。

API クイックスタート

Gemini 2.5 Pro TTS API を 3 ステップで呼び出す

API キーを作成する. PopNow にログインし、API コンソールでキーを作成します。キーは sk-popnow- で始まり、サイトと同じクレジットを使います。
リクエストを送る. POST /jobs/createTask に、model を google/gemini-2.5-pro-tts/text-to-speech、input をパラメーター表どおりにして送ります。レスポンスですぐにタスク ID が返ります。
結果を受け取る. タスク ID で GET /jobs/recordInfo をポーリングするか、callBackUrl を渡せば結果がそこへ送られます。タスクが成功したら出力リンクからダウンロードします。

# 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"

プロンプトとリンクはご自身のものに置き換えてください。API タブにレスポンス、ポーリング、コールバックのリファレンスがあります。

Gemini 2.5 Pro TTS API についての質問

Gemini 2.5 Pro TTS API の料金はいくらですか？

Gemini 2.5 Pro TTSは0.07クレジット（$0.0007）/秒です。クレジットはサイトと共通（1クレジット = $0.01）で、新規アカウントには30クレジットが付き、失敗したタスクは返金されます。

API でのGemini 2.5 Pro TTSのモデル名は？

POST /jobs/createTask の model フィールドにテキスト読み上げは google/gemini-2.5-pro-tts/text-to-speech を指定します。

声の雰囲気はどう調整しますか？

voice_id で声を、style で whisper や deadpan などの全体の話し方を、accent で英語のアクセントを、pace でリズムを選びます。instructions と scene には、気分や話しかける相手、場所など、読み方と状況を 1〜2 文で書きます。これらのメモは読み方に反映され、読み上げられません。temperature でテイク間のばらつきを調整します。