Google · Audio y música

Hermes Agent x Gemini TTS

Gemini TTS forma parte del catálogo de Google en RunAPI y ofrece Gemini 2.5 Pro TTS y Gemini 3.1 Flash TTS mediante una interfaz coherente en la API, los SDK y la CLI.

2 variants desde $1.40 / 1M de tokens Uso comercial compatible
Obtener clave API Ver la documentación de Hermes Agent

Prerequisite: npx runapi mcp install

Prompt

Modelos del prompt

Usa gemini-2.5-pro-tts cuando encaje con la tarea: Voz multihablante de alta fidelidad con control expresivo para diálogos largos.

You have access to RunAPI task tools for Gemini TTS.

Available Gemini TTS models:
- gemini-2.5-pro-tts: Voz multihablante de alta fidelidad con control expresivo para diálogos largos
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns
- gemini-3.1-flash-tts: Voz multihablante rápida para diálogos ágiles y flujos de audio de gran volumen
  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: Genera una introducción de podcast para dos hablantes, con un presentador británico de tono tranquilo y un invitado estadounidense enérgico.
/api/v1/gemini_tts/text_to_speech: Submit the task, poll for its status, then verify the completed output. Haz POST a /api/v1/gemini_tts/text_to_speech y guarda el ID de la Task devuelta.
Haz GET a /api/v1/gemini_tts/text_to_speech/<task-id> hasta que el estado sea completed o failed.
Comprueba que la respuesta completed incluya la salida específica del endpoint documentada en la referencia de la API.

Versiones y endpoints públicos

ID del modelo Endpoints Precio inicial Catálogo
gemini-2.5-pro-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Detalle del modelo
gemini-3.1-flash-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Detalle del modelo

Verificar

Consulta hasta que la tarea alcance un estado final

Selecciona <model-id> para generar los comandos de verificación.

Configuración

Endpoint de la guía: <endpoint>

Selecciona <model-id> para generar una solicitud con el contrato de entrada público del endpoint.
Cómo funciona

Empieza en 3 pasos

  1. Elige un ID de modelo

    Selecciona un ID público del catálogo y revisa su endpoint y precio inicial actual.

  2. Configura RunAPI

    Define RUNAPI_API_KEY antes de enviar la solicitud al endpoint.

  3. Verifica el resultado

    Para endpoints asíncronos, consulta el mismo endpoint hasta que la Task alcance un estado final.

Qué puedes crear con Hermes Agent + Gemini TTS

  • Locución y narración

    Convierte guiones en audio hablado para vídeos, cursos y demos de producto con modelos que generan voz.

  • Música y bandas sonoras

    Crea pistas de fondo y jingles a partir de una descripción de género, ambiente y tempo con modelos que generan música.

  • Transcripción y procesamiento de audio

    Transcribe grabaciones o limpia y transforma audio existente con modelos que aceptan audio como entrada.

Por qué usar Gemini TTS con RunAPI + Hermes Agent

  • 2 variantes, una clave de API

    Usa una sola conexión de RunAPI para elegir entre las variantes de modelo disponibles sin cambiar tu integración.

  • Precios de uso claros

    Consulta los precios actuales del catálogo antes de enviar una solicitud, sin suscripción ni gasto mínimo.

  • Flujos de tareas automáticos

    Envía tareas, consulta su estado y recopila resultados asíncronos con un flujo uniforme, sin escribir código de consulta manual.

Preguntas sobre Hermes Agent + Gemini TTS

¿Qué modelos de Gemini TTS están disponibles?

RunAPI admite Gemini 2.5 Pro TTS y Gemini 3.1 Flash TTS mediante el mismo endpoint de texto a voz y el mismo formato de solicitud.

¿Cómo configuro varios hablantes?

Añade una configuración para cada participante con un identificador Speaker N único y asigna después cada turno del diálogo a uno de esos identificadores.

¿Qué puedo controlar para cada hablante?

Cada hablante puede tener su propia voz, acento, estilo de interpretación y ritmo, además de un perfil de audio opcional para dar indicaciones adicionales sobre la voz.

¿Cómo afectan la escena y el contexto de muestra a la solicitud?

La escena describe el entorno de grabación, mientras que el contexto de muestra define el tono general y las pautas de interpretación del diálogo.

¿Cómo se devuelven los resultados de audio una vez completados?

Consulta la tarea o recibe su callback cuando finalice; la respuesta contiene una lista llamada `audios` con la URL del archivo generado.

¿Qué ID de modelo debo usar?

Elige un ID público en la tabla de versiones. Cada ID expone los endpoints mostrados en su fila.

¿Esta guía configura un modelo de chat?

No. Esta línea de modelos usa el flujo de endpoint mostrado y no se presenta como modelo de chat del agente.

Empieza a usar Gemini TTS con Hermes Agent

Obtener clave API Leer la guía rápida

¿Construyes con un equipo?

Te ayudamos con la configuración empresarial, las integraciones y las preguntas técnicas.

Contacta con nosotros