API syntezy mowy Gemini 2.5 Pro — 30 głosów, WAV

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

O modelu Gemini 2.5 Pro TTS

Gemini 2.5 Pro TTS to model syntezy mowy od Google: wysyłasz scenariusz, wybierasz jeden z 30 głosów i dostajesz plik WAV odczytany tym głosem.

Wywołujesz go nazwą modelu google/gemini-2.5-pro-tts/text-to-speech w POST /jobs/createTask, od 0,07 kredytu za sekundę (0,0007 USD). Nowe konta dostają 30 darmowych kredytów, więc możesz najpierw przetestować go w Playgroundzie.

Parametry żądania

Parametr	Wymagany	Opis
`pace`	Nie	Rhythm of the reading. Omit it to keep the voice's own rhythm. natural · rapid_fire · the_drift · staccato
`text`	Nie	The words to be spoken, exactly as written. Cues in square brackets such as [sighs] are performed rather than read aloud.
`scene`	Nie	Where and to whom the words are spoken. Shapes the delivery and is not spoken.
`style`	Nie	Gotowy styl lub gatunek. whisper · empathetic · vocal_smile · newscaster · promo_hype · deadpan
`accent`	Nie	English accent used for the reading. neutral · american_general · american_valley · american_south · british_rp · british_brixton · transatlantic · australian · Domyślnie: neutral
`dialogue`	Nie	A scripted conversation, used instead of text: each line names a speaker from speakers.
`speakers`	Nie	The cast for dialogue: one or two voices, each with a name the lines refer to.
`voice_id`	Nie	Wybierz jeden z dostępnych głosów. 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 · Domyślnie: Kore
`temperature`	Nie	Variation between takes; higher is less predictable. ≥ 0 · ≤ 2
`instructions`	Nie	How to read the text: pace, mood, distance from the microphone, who is listening. Shapes the delivery and is not spoken.

Ceny

Ceny podajemy w kredytach, tych samych, których używasz na stronie (1 kredyt = 0,01 $). Kwota jest rezerwowana, gdy zadanie zostaje przyjęte, a po zakończeniu rozliczana według rzeczywistego kosztu; za nieudane zadania kredyty wracają.

Opcja	Kredyty za sekundę	≈ USD
Standard	0,07	0,0007 USD

Żeby poznać dokładną kwotę przed uruchomieniem, wyślij to samo body na POST /jobs/quote.

Szybki start z API

Wywołaj API Gemini 2.5 Pro TTS w trzech krokach

Utwórz klucz API. Zaloguj się do PopNow i utwórz klucz w konsoli API. Klucze zaczynają się od sk-popnow- i korzystają z tych samych kredytów co strona.
Wyślij żądanie. Wyślij POST /jobs/createTask z model google/gemini-2.5-pro-tts/text-to-speech i obiektem input zgodnym z tabelą parametrów. Odpowiedź od razu zwraca ID zadania.
Odbierz wynik. Odpytuj GET /jobs/recordInfo po ID zadania albo podaj callBackUrl, a wyślemy tam wynik. Gdy zadanie się powiedzie, pobierz pliki z linków wyjściowych.

# 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"

Podmień prompt i linki na własne. Odniesienie do odpowiedzi, odpytywania i callbacku znajdziesz na karcie API.

Pytania o API Gemini 2.5 Pro TTS

Ile kosztuje API Gemini 2.5 Pro TTS?

Gemini 2.5 Pro TTS kosztuje 0,07 kredytu (0,0007 USD) za sekundę. Kredyty są te same co na stronie (1 kredyt = 0,01 USD), nowe konta dostają 30 darmowych kredytów, a nieudane zadania są zwracane.

Jaka jest nazwa modelu Gemini 2.5 Pro TTS w API?

Wpisz google/gemini-2.5-pro-tts/text-to-speech do zadania Tekst na mowę w polu model żądania POST /jobs/createTask.

Jak sterować brzmieniem?

voice_id wybiera głos, style ustala ogólny sposób mówienia, np. whisper albo deadpan, accent wybiera angielski akcent, pace nadaje rytm, a instructions i scene przyjmują jedno lub dwa zdania o wykonaniu i sytuacji: nastroju, adresacie, miejscu. Te uwagi kształtują odczyt i nie są czytane na głos; temperature określa, jak bardzo różnią się podejścia.