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

Gemini 2.5 Pro Preview TTS es el modelo de texto a voz premium de Google, diseñado para la generación de audio de alta fidelidad con calidad de estudio. Permite a los desarrolladores crear voces de IA realistas mediante instrucciones en lenguaje natural, entonación expresiva y soporte para audios largos.

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

API de texto a voz Gemini 2.5 Pro Preview para la generación avanzada de voces con IA

Original image
Generación de voces con IA de calidad de estudio mediante la API TTS Gemini 2.5 Pro Preview
Voz expresiva y control de estilo con la API de texto a voz Gemini 2.5 Pro
Generación de diálogos naturales con múltiples interlocutores mediante Google Gemini 2.5 Pro TTS
Creación de audio de larga duración con la API de texto a voz Gemini 2.5 Pro Preview
CaracterísticaAPI TTS Gemini 2.5 ProAPI TTS Gemini 2.5 Flash
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

La API TTS Gemini 2.5 Pro Preview es la API de texto a voz más avanzada de Google diseñada para la generación de voz con IA de alta calidad. Convierte texto en voz natural con estilos expresivos, control emocional y voces muy realistas para desarrolladores y aplicaciones SaaS.

Los desarrolladores pueden usar la API TTS Gemini 2.5 Pro a través de Kie.ai. Solo tienen que crear una cuenta, obtener una clave API, probar la generación de voz en el playground e integrar la API en sus aplicaciones mediante solicitudes sencillas.

Envía POST https://api.kie.ai/api/v1/jobs/createTask con model fijado en google/gemini-2-5-pro-tts. El input necesita speakers (cada uno con un speaker_id en formato "Speaker N", un voice_name y un accent) y dialogue_turns (cada uno con un speaker_id y el texto que se dirá); scene, sample_context, temperature y el style y el pace de cada hablante son opcionales. La solicitud devuelve un taskId: añade un callBackUrl para recibir un aviso cuando el audio esté listo, o consulta GET /api/v1/jobs/recordInfo?taskId=…. Los errores llegan con estado HTTP 200 y un código de error en el cuerpo (401 clave de API no válida o ausente, 402 créditos insuficientes, 429 límite de solicitudes superado), así que revisa siempre code. Todos los parámetros están en la documentación de la API TTS Gemini 2.5 Pro.

Kie.ai ofrece créditos gratuitos de Gemini 2.5 Pro TTS para que los nuevos usuarios prueben las capacidades de generación de voz con IA. Después de probarla, los desarrolladores pueden elegir el plan de precios que mejor se adapte a sus necesidades de generación de audio y volumen de uso.

En Kie.ai, el texto de entrada cuesta 140 créditos por 1M de tokens (unos $0.70) y la salida de audio cuesta 2,800 créditos por 1M de tokens (unos $14.00). La tarifa estándar (sin batch) de la Gemini API de Google para gemini-2.5-pro-preview-tts es de $1.00 por 1M de tokens de entrada y $20.00 por 1M de tokens de audio de salida, a noviembre de 2026, por lo que Kie.ai cuesta alrededor de un 30 % menos. Los precios pueden actualizarse; la tarjeta de precios en la parte superior de esta página siempre muestra la tarifa vigente.

Gemini 2.5 Pro TTS se centra en la calidad de voz premium, la expresión emocional y la generación de audios largos, mientras que Gemini 2.5 Flash TTS está optimizada para respuestas más rápidas y aplicaciones de voz en tiempo real.

Sí. La API TTS Gemini 2.5 Pro admite la generación de diálogos con varios locutores, lo que permite a los desarrolladores crear conversaciones con diferentes voces para podcasts con IA, personajes virtuales, historias interactivas y aplicaciones de voz.

Cada solicitud admite hasta 2 hablantes, y cada hablante usa una de 30 voces predefinidas (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). Puedes definir un acento (Neutral, American, British, Transatlantic o Australian), un estilo (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype o Deadpan) y un ritmo (Natural, Rapid Fire, The Drift o Staccato), además de una escena, un tono general y una temperatura de 0 a 2. Cada turno de diálogo admite hasta 10,000 caracteres con etiquetas de tono, y la salida es WAV (PCM de 16 bits, 24 kHz, mono).

Sí. La API Text-to-Speech de Gemini 2.5 Pro está diseñada para generar audio de larga duración, lo que la hace ideal para audiolibros, cursos educativos, narración de documentos y otros flujos de trabajo de voz extensos.

Crea una cuenta en Kie.ai, abre la página API Keys (kie.ai/api-key) y genera una clave. Envíala en cada solicitud con el encabezado Authorization: Bearer YOUR_API_KEY. La misma clave y el mismo saldo de créditos sirven para todos los modelos de Kie.ai, y puedes limitar cada clave con topes de uso por hora, por día y totales, y con una lista blanca de IP.

Sí. Kie.ai ofrece un playground en línea donde los desarrolladores pueden probar Gemini 2.5 Pro TTS, experimentar con prompts de voz, ajustar estilos y evaluar el audio generado antes de desarrollar sus productos.