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

Gemini 2.5 Pro Preview TTS — это передовая модель Google для синтеза речи, созданная для генерации аудио студийного качества с высокой точностью. Она позволяет разработчикам создавать реалистичные ИИ-голоса, используя инструкции на естественном языке, генерировать выразительную речь и длинные аудиозаписи.

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 Gemini 2.5 Pro Preview TTS для продвинутой генерации ИИ-голосов

Original image
Генерация ИИ-голосов студийного качества с помощью API синтеза речи Gemini 2.5 Pro Preview
Управление стилем и выразительностью голоса с помощью API синтеза речи Gemini 2.5 Pro
Генерация естественных многоголосных диалогов с Google Gemini 2.5 Pro TTS
Создание длинных аудиозаписей с Gemini 2.5 Pro Preview TTS API
ФункцияGemini 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

Gemini 2.5 Pro Preview TTS API — это передовой API от Google, предназначенный для высококачественной генерации голоса с помощью ИИ. Он преобразует текст в естественную речь с выразительными интонациями, контролем эмоций и реалистичным звучанием, что идеально подходит для разработчиков и интеграции в SaaS-приложения.

Разработчики могут использовать Gemini 2.5 Pro TTS API через платформу Kie.ai: просто создайте аккаунт, получите API-ключ, протестируйте генерацию голоса в Playground и интегрируйте API в свои приложения с помощью простых API-запросов.

Отправьте POST https://api.kie.ai/api/v1/jobs/createTask с model = google/gemini-2-5-pro-tts. В input нужны speakers (у каждого — speaker_id в формате "Speaker N", voice_name и accent) и dialogue_turns (у каждой реплики — speaker_id и текст); scene, sample_context, temperature, а также style и pace каждого спикера необязательны. Запрос возвращает taskId: добавьте callBackUrl, чтобы получить уведомление, когда аудио будет готово, или опрашивайте GET /api/v1/jobs/recordInfo?taskId=…. Ошибки приходят с HTTP-статусом 200 и кодом ошибки в теле (401 — неверный или отсутствующий API-ключ, 402 — недостаточно кредитов, 429 — превышен лимит запросов), поэтому всегда проверяйте code. Все параметры описаны в документации Gemini 2.5 Pro TTS API.

Kie.ai предоставляет новым пользователям бесплатные кредиты для использования Gemini 2.5 Pro TTS, чтобы протестировать возможности генерации голоса с помощью ИИ. После тестирования разработчики могут выбрать подходящий тарифный план в зависимости от своих требований к генерации аудио и объемов использования.

В Kie.ai входной текст стоит 140 кредитов за 1M токенов (около $0.70), а аудиовыход — 2,800 кредитов за 1M токенов (около $14.00). Стандартный тариф (без batch) Gemini API от Google для gemini-2.5-pro-preview-tts составляет $1.00 за 1M входных токенов и $20.00 за 1M выходных аудиотокенов (на ноябрь 2026 года), то есть в Kie.ai примерно на 30% дешевле. Цены могут меняться; актуальную цену всегда показывает карточка цен в верхней части этой страницы.

Gemini 2.5 Pro TTS ориентирован на высочайшее качество голоса, эмоциональную выразительность и генерацию длинного аудиоконтента, тогда как Gemini 2.5 Flash TTS оптимизирован для более быстрых ответов и голосовых приложений в реальном времени.

Да. Gemini 2.5 Pro TTS API поддерживает генерацию диалогов с несколькими дикторами, позволяя разработчикам создавать беседы с разными голосами для ИИ-подкастов, виртуальных персонажей, интерактивных историй и голосовых приложений.

Каждый запрос поддерживает до 2 спикеров, и каждый спикер использует один из 30 готовых голосов (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). Можно задать акцент (Neutral, American, British, Transatlantic или Australian), стиль (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype или Deadpan) и темп (Natural, Rapid Fire, The Drift или Staccato), а также сцену, общий тон и temperature от 0 до 2. Каждая реплика вмещает до 10,000 символов с тегами интонации, а результат выдаётся в формате WAV (16-bit PCM, 24 кГц, моно).

Да. API синтеза речи Gemini 2.5 Pro разработан для генерации длинных аудиоформатов, что делает его подходящим для аудиокниг, образовательных курсов, озвучивания документации и других масштабных задач по работе с голосом.

Создайте аккаунт на Kie.ai, откройте страницу API Keys (kie.ai/api-key) и сгенерируйте ключ. Передавайте его в каждом запросе в заголовке Authorization: Bearer YOUR_API_KEY. Один и тот же ключ и баланс кредитов работают для всех моделей Kie.ai, а использование каждого ключа можно ограничить лимитами на час, день и общий объём, а также белым списком IP.

Да. Kie.ai предоставляет онлайн-песочницу, где разработчики могут протестировать Gemini 2.5 Pro TTS онлайн, поэкспериментировать с голосовыми промптами, настроить стили и оценить сгенерированное аудио перед созданием своих продуктов.