Google · Audio & Musique

Hermes Agent x Gemini TTS

Gemini TTS fait partie du catalogue Google de RunAPI et donne accès à Gemini 2.5 Pro TTS et Gemini 3.1 Flash TTS via des interfaces cohérentes dans l’API, les SDK et la CLI.

2 variants à partir de $1.40 / 1M de tokens Usage commercial pris en charge
Obtenir une clé API Voir la documentation de Hermes Agent

Prerequisite: npx runapi mcp install

Prompt

Modèles de prompt

Utilisez gemini-2.5-pro-tts lorsqu'il correspond à la tâche : Voix multi-locuteurs haute fidélité avec contrôle expressif pour les dialogues longs.

You have access to RunAPI task tools for Gemini TTS.

Available Gemini TTS models:
- gemini-2.5-pro-tts: Voix multi-locuteurs haute fidélité avec contrôle expressif pour les dialogues longs
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns
- gemini-3.1-flash-tts: Voix multi-locuteurs rapide pour les dialogues réactifs et les volumes audio élevés
  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: Créez l’introduction d’un podcast à deux voix, avec un animateur britannique posé et une invitée américaine énergique.
/api/v1/gemini_tts/text_to_speech: Submit the task, poll for its status, then verify the completed output. Envoyez POST à /api/v1/gemini_tts/text_to_speech et conservez l’ID de la Task renvoyée.
Envoyez GET à /api/v1/gemini_tts/text_to_speech/<task-id> jusqu’à ce que le statut soit completed ou failed.
Vérifiez que la réponse completed contient la sortie propre à l’endpoint documentée dans la référence API.

Versions et endpoints publics

ID du modèle Endpoints Prix de départ Catalogue
gemini-2.5-pro-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Détail du modèle
gemini-3.1-flash-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Détail du modèle

Vérification

Interrogez jusqu’à ce que la tâche atteigne un état final

Sélectionnez <model-id> pour générer les commandes de vérification.

Configuration

Endpoint du guide: <endpoint>

Sélectionnez <model-id> pour générer une requête conforme au contrat d’entrée public de l’endpoint.
Fonctionnement

Démarrer en 3 étapes

  1. Choisir un ID de modèle

    Sélectionnez un ID public du catalogue et consultez son endpoint et son prix de départ actuel.

  2. Configurer RunAPI

    Définissez RUNAPI_API_KEY avant d’envoyer la requête à l’endpoint.

  3. Vérifier le résultat

    Pour les endpoints asynchrones, interrogez le même endpoint jusqu’à ce que la Task atteigne un état final.

Ce que vous pouvez créer avec Hermes Agent + Gemini TTS

  • Voix off et narration

    Transformez des scripts en audio parlé pour des vidéos, des cours et des démos produit avec des modèles qui génèrent de la voix.

  • Musique et bandes sonores

    Créez des musiques de fond et des jingles à partir d'une description du genre, de l'ambiance et du tempo avec des modèles qui génèrent de la musique.

  • Transcription et traitement audio

    Transcrivez des enregistrements ou nettoyez et transformez de l'audio existant avec des modèles qui acceptent l'audio en entrée.

Pourquoi utiliser Gemini TTS avec RunAPI + Hermes Agent

  • 2 variantes, une clé API

    Utilisez une seule connexion RunAPI pour choisir parmi les variantes de modèle disponibles sans modifier votre intégration.

  • Des tarifs d'utilisation clairs

    Consultez les tarifs actuels du catalogue avant d'envoyer une requête, sans abonnement ni dépense minimale.

  • Flux de tâches automatiques

    Envoyez, interrogez et récupérez les résultats asynchrones avec un flux de tâches uniforme, sans code d'interrogation manuel.

Questions sur Hermes Agent + Gemini TTS

À quels modèles Gemini TTS puis-je accéder ?

RunAPI prend en charge Gemini 2.5 Pro TTS et Gemini 3.1 Flash TTS via le même endpoint de synthèse vocale et le même format de requête.

Comment configurer plusieurs locuteurs ?

Ajoutez une configuration pour chaque participant avec un identifiant `Speaker N` unique, puis associez chaque réplique du dialogue à l’un de ces identifiants.

Quels réglages sont disponibles pour chaque locuteur ?

Chaque locuteur dispose d’une voix, d’un accent, d’un style d’interprétation et d’un rythme, auxquels peut s’ajouter un profil audio pour affiner la direction vocale.

À quoi servent la scène et l’exemple de contexte ?

La scène décrit l’environnement d’enregistrement, tandis que l’exemple de contexte fixe le ton général et guide l’interprétation du dialogue.

Comment les résultats audio sont-ils renvoyés une fois la tâche terminée ?

Interrogez la tâche ou recevez son callback à la fin du traitement ; la réponse contient une liste `audios` avec l’URL du fichier généré.

Quel ID de modèle utiliser ?

Choisissez un ID public dans le tableau des versions. Chaque ID expose les endpoints affichés sur sa ligne.

Ce guide configure-t-il un modèle de chat ?

Non. Cette ligne de modèles utilise le parcours d’endpoint présenté ici et n’est pas décrite comme un modèle de chat de l’agent.

Commencer à utiliser Gemini TTS avec Hermes Agent

Obtenir une clé API Lire le guide de démarrage rapide

Vous construisez avec une équipe ?

Nous vous aidons pour la mise en place entreprise, les intégrations et les questions techniques.

Nous contacter