Google · Audio & Musik

OpenClaw x Gemini TTS

Gemini TTS gehört zum Google-Katalog auf RunAPI und stellt Gemini 2.5 Pro TTS und Gemini 3.1 Flash TTS über einheitliche API-, SDK- und CLI-Schnittstellen bereit.

2 variants ab $1.40 / 1 Mio. Tokens Kommerzielle Nutzung unterstützt
API-Schlüssel abrufen Dokumentation für OpenClaw anzeigen

Prerequisite: npx runapi mcp install

Prompt

Prompt-Modelle

Verwende gemini-2.5-pro-tts, wenn es zur Aufgabe passt: Hochwertige Mehrsprecher-Ausgabe mit Ausdruckskontrolle für längere Dialoge.

You have access to RunAPI task tools for Gemini TTS.

Available Gemini TTS models:
- gemini-2.5-pro-tts: Hochwertige Mehrsprecher-Ausgabe mit Ausdruckskontrolle für längere Dialoge
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns
- gemini-3.1-flash-tts: Schnelle Mehrsprecher-Ausgabe für reaktive Dialoge und große Audiomengen
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns

Use the model ID and endpoint that match the user's request.
Example prompt: Erstelle eine Podcast-Einleitung mit zwei Sprechern – einem ruhigen britischen Moderator und einem energiegeladenen amerikanischen Gast.
/api/v1/gemini_tts/text_to_speech: Submit the task, poll for its status, then verify the completed output. Sende POST an /api/v1/gemini_tts/text_to_speech und speichere die ID der zurückgegebenen Task.
Sende GET an /api/v1/gemini_tts/text_to_speech/<task-id>, bis der Status completed oder failed ist.
Prüfe, ob die completed-Antwort die in der API-Referenz dokumentierte endpunktspezifische Ausgabe enthält.

Öffentliche Versionen und Endpunkte

Modell-ID Endpunkte Startpreis Katalog
gemini-2.5-pro-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1 Mio. Tokens Modelldetails
gemini-3.1-flash-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1 Mio. Tokens Modelldetails

Überprüfen

Frage den Status ab, bis die Task einen Endstatus erreicht

Wähle <model-id>, um Prüfkommandos zu erzeugen.

Konfiguration

Guide-Endpunkt: <endpoint>

Wähle <model-id>, um eine Anfrage mit dem öffentlichen Eingabevertrag des Endpunkts zu erzeugen.
So funktioniert es

In 3 Schritten loslegen

  1. Modell-ID auswählen

    Wähle eine öffentliche Katalog-Modell-ID und prüfe ihren Endpunkt und aktuellen Startpreis.

  2. RunAPI konfigurieren

    Setze RUNAPI_API_KEY, bevor du die Endpunktanfrage sendest.

  3. Ergebnis überprüfen

    Frage bei asynchronen Endpunkten denselben Endpunkt ab, bis die Task einen Endstatus erreicht.

Was du mit OpenClaw + Gemini TTS bauen kannst

  • Voiceover und Sprechertext

    Wandle Skripte mit Modellen, die Sprache erzeugen, in gesprochenes Audio für Videos, Kurse und Produktdemos um.

  • Musik und Soundtracks

    Erstelle mit Modellen, die Musik erzeugen, Hintergrundmusik und Jingles aus einer Beschreibung von Genre, Stimmung und Tempo.

  • Transkription und Audioverarbeitung

    Transkribiere Aufnahmen oder bereinige und verändere vorhandenes Audio mit Modellen, die Audio als Eingabe akzeptieren.

Warum Gemini TTS über RunAPI + OpenClaw nutzen

  • 2 Varianten, ein API-Schlüssel

    Nutze eine RunAPI-Verbindung, um zwischen den verfügbaren Modellvarianten zu wählen, ohne deine Integration zu ändern.

  • Klare Nutzungspreise

    Sieh die aktuellen Katalogpreise vor jeder Anfrage ein, ohne Abonnement oder Mindestumsatz.

  • Automatische Task-Workflows

    Sende Tasks, frage ihren Status ab und sammle asynchrone Ergebnisse in einem einheitlichen Ablauf ohne eigenen Polling-Code.

Fragen zu OpenClaw + Gemini TTS

Welche Gemini TTS-Modelle sind verfügbar?

RunAPI unterstützt Gemini 2.5 Pro TTS und Gemini 3.1 Flash TTS über denselben Text-to-Speech-Endpunkt und dasselbe Request-Schema.

Wie konfiguriere ich mehrere Sprecher?

Füge für jeden Teilnehmer eine Sprecherkonfiguration mit einer eindeutigen `Speaker N`-Kennung hinzu und ordne anschließend jeden Dialogbeitrag einer dieser Kennungen zu.

Was kann ich für jeden Sprecher steuern?

Für jeden Sprecher lassen sich Stimme, Akzent, Sprechstil und Sprechtempo festlegen. Optional bietet ein Audioprofil zusätzliche Regieanweisungen für die Stimme.

Wie wirken sich Szenen- und Beispielkontext auf die Anfrage aus?

Die Szene beschreibt die Aufnahmeumgebung; der Beispielkontext legt die Grundstimmung und Sprechweise des gesamten Dialogs fest.

Wie werden abgeschlossene Audioergebnisse zurückgegeben?

Frage den Task ab oder empfange nach Abschluss den Callback. Die Antwort enthält eine `audios`-Liste mit der URL der generierten Datei.

Welche Modell-ID soll ich verwenden?

Wähle eine öffentliche Modell-ID aus der Versionstabelle. Jede ID stellt die in ihrer Zeile gezeigten Endpunkte bereit.

Konfiguriert diese Anleitung ein Chatmodell?

Nein. Diese Modelllinie verwendet den hier gezeigten Endpunktablauf und wird nicht als Agent-Chatmodell dargestellt.

Gemini TTS mit OpenClaw nutzen

API-Schlüssel abrufen Schnellstart lesen

Bauen Sie mit einem Team?

Wir helfen bei Enterprise-Setup, Integrationen und technischen Fragen.

Kontakt aufnehmen