Gemini 2.5 Pro Preview TTS
google / gemini-2-5-pro-tts

Gemini 2.5 Pro Preview TTS ist das Premium-Text-to-Speech-Modell von Google für High-Fidelity-Audio in Studioqualität. Es ermöglicht Entwicklern die Erstellung realistischer KI-Stimmen durch natürlichsprachige Anweisungen, ausdrucksstarke Sprachausgabe und Funktionen für lange Audioinhalte.

Pricing: Input 140 credits / 1M tokens (≈ $0.70), Audio Output 2,800 credits / 1M tokens (≈ $14.00). ~30% cheaper than official pricing. High-tier top-ups (+10% bonus) bring effective pricing down to ~90% of the above.
Input
0 / 2
No items yet. Click Add to start.

At least 1 item(s) required

0
No items yet. Click Add to start.

At least 1 item(s) required

Controls the randomness of the speech output. Higher values produce more creative and varied delivery, while lower values make the output more predictable and focused. Default value: 1

scene description

0/1000

Example Context / Overall Tone

0/1000
Output
output typeaudio

README

Complete guide to using google/gemini-2-5-pro-tts

Gemini 2.5 Pro Preview TTS API für fortschrittliche KI-Sprachgenerierung

Original image
KI-Sprachgenerierung in Studioqualität mit der Gemini 2.5 Pro Preview TTS API
Ausdrucksstarke Stimm- und Stilkontrolle mit der Gemini 2.5 Pro Text-to-Speech API
Natürliche Multi-Speaker-Dialoge erstellen mit Google Gemini 2.5 Pro TTS
Erstellung langer Audioformate mit der Gemini 2.5 Pro Preview TTS API
FunktionGemini 2.5 Pro TTS APIGemini 2.5 Flash TTS API
Primary FocusPremium AI voice quality with advanced expression, natural speech, and professional audio generationFast and efficient AI voice generation optimized for low-latency applications
Best ForAudiobooks, podcasts, video narration, creative content, and long-form audio workflowsReal-time voice assistants, customer support agents, and high-volume voice applications
Voice QualityDelivers studio-quality speech with realistic pronunciation, natural prosody, emotional expression, and human-like deliveryProvides high-quality AI voices with faster generation speed for interactive experiences
Style & Emotion ControlOffers stronger style prompt following with detailed control over emotion, tone, pacing, and speaking styleSupports voice customization while focusing on speed and efficient generation
Multi-Speaker SupportDesigned for natural multi-speaker dialogue with consistent character voices and complex conversationsSupports conversational voice generation for interactive applications and voice agents
LatencyPrioritizes maximum audio quality and expressive performance over response speedOptimized for faster response times and real-time voice interactions
Long-Form ContentBetter suited for audiobooks, courses, documentaries, and extended narration projectsBetter suited for short-form content and applications requiring quick audio responses
Recommended Use CasesProfessional voice applications requiring premium quality, emotional depth, and natural storytellingAI assistants, scalable SaaS products, and applications where speed is the top priority

Die Gemini 2.5 Pro Preview TTS API ist Googles fortschrittliche Text-to-Speech API für die hochwertige KI-Sprachgenerierung. Sie verwandelt Text in natürliche Sprache mit ausdrucksstarken Stilen, emotionaler Kontrolle und realistischer Stimmwiedergabe für Entwickler und SaaS-Anwendungen.

Entwickler können die Gemini 2.5 Pro TTS API über Kie.ai nutzen, indem sie ein Konto erstellen, einen API-Schlüssel anfordern, die Sprachgenerierung im Playground testen und die API über einfache API-Anfragen in ihre Anwendungen integrieren.

Senden Sie POST https://api.kie.ai/api/v1/jobs/createTask mit model = google/gemini-2-5-pro-tts. Der input braucht speakers (jeweils mit einer speaker_id im Format "Speaker N", einem voice_name und einem accent) und dialogue_turns (jeweils mit einer speaker_id und dem zu sprechenden Text); scene, sample_context, temperature sowie style und pace je Sprecher sind optional. Die Anfrage liefert eine taskId: Geben Sie eine callBackUrl an, um benachrichtigt zu werden, sobald das Audio fertig ist, oder fragen Sie GET /api/v1/jobs/recordInfo?taskId=… ab. Fehler kommen mit HTTP-Status 200 und einem Fehlercode im Body zurück (401 ungültiger oder fehlender API-Key, 402 zu wenig Credits, 429 Rate-Limit überschritten) – prüfen Sie also immer code. Alle Parameter stehen in der Gemini 2.5 Pro TTS API-Dokumentation.

Kie.ai bietet neuen Nutzern kostenlose Credits für Gemini 2.5 Pro TTS, um die Funktionen zur KI-Sprachgenerierung zu testen. Nach dem Testen können Entwickler einen passenden Tarif wählen, der auf ihren Anforderungen an die Audiogenerierung und ihrem Nutzungsvolumen basiert.

Auf Kie.ai kostet Eingabetext 140 Credits pro 1M Tokens (etwa $0.70) und die Audioausgabe 2,800 Credits pro 1M Tokens (etwa $14.00). Der Standardpreis (ohne Batch) der Gemini API von Google für gemini-2.5-pro-preview-tts liegt bei $1.00 pro 1M Input-Tokens und $20.00 pro 1M Audio-Output-Tokens (Stand November 2026); Kie.ai ist damit etwa 30 % günstiger. Preise können sich ändern; die Preiskarte oben auf dieser Seite zeigt immer den aktuellen Preis.

Gemini 2.5 Pro TTS legt den Fokus auf erstklassige Sprachqualität, emotionale Ausdruckskraft und die Generierung langer Audioinhalte, während Gemini 2.5 Flash TTS für schnellere Antwortzeiten und Echtzeit-Sprachanwendungen optimiert ist.

Ja. Die Gemini 2.5 Pro TTS API unterstützt die Generierung von Dialogen mit mehreren Sprechern. Entwickler können so Unterhaltungen mit verschiedenen Stimmen für KI-Podcasts, virtuelle Charaktere, interaktive Geschichten und Sprachanwendungen erstellen.

Jede Anfrage unterstützt bis zu 2 Sprecher, und jeder Sprecher nutzt eine von 30 vorgefertigten Stimmen (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). Sie können einen Akzent (Neutral, American, British, Transatlantic oder Australian), einen Stil (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype oder Deadpan) und ein Tempo (Natural, Rapid Fire, The Drift oder Staccato) festlegen, dazu eine Szene, einen Grundton und eine Temperature von 0 bis 2. Jeder Dialogbeitrag fasst bis zu 10,000 Zeichen mit Ton-Tags; die Ausgabe ist WAV (16-Bit-PCM, 24 kHz, Mono).

Ja. Die Gemini 2.5 Pro Text-to-Speech API wurde für die Generierung langer Audioinhalte entwickelt und eignet sich ideal für Hörbücher, Online-Kurse, Dokumentationsvertonungen und andere umfangreiche Voice-Workflows.

Erstellen Sie ein Konto bei Kie.ai, öffnen Sie die Seite API Keys (kie.ai/api-key) und generieren Sie einen Key. Senden Sie ihn bei jeder Anfrage im Header Authorization: Bearer YOUR_API_KEY. Derselbe Key und dasselbe Credit-Guthaben gelten für alle Modelle auf Kie.ai, und jeden Key können Sie mit stündlichen, täglichen und Gesamtlimits sowie einer IP-Whitelist begrenzen.

Ja. Kie.ai bietet einen Online-Playground, in dem Entwickler Gemini 2.5 Pro TTS online testen, mit Voice-Prompts experimentieren, Sprachstile anpassen und die generierten Audioinhalte überprüfen können, bevor sie ihre Produkte entwickeln.