Google · Audio e musica

Hermes Agent x Gemini TTS

Gemini TTS fa parte del catalogo Google disponibile su RunAPI e rende accessibili Gemini 2.5 Pro TTS e Gemini 3.1 Flash TTS tramite interfacce API, SDK e CLI coerenti.

2 variants da $1.40 / 1M di token Uso commerciale consentito
Ottieni una chiave API Vedi la documentazione di Hermes Agent

Prerequisite: npx runapi mcp install

Prompt

Modelli del prompt

Usa gemini-2.5-pro-tts quando è adatto all'attività: Voce multi-speaker ad alta fedeltà con controllo espressivo per dialoghi lunghi.

You have access to RunAPI task tools for Gemini TTS.

Available Gemini TTS models:
- gemini-2.5-pro-tts: Voce multi-speaker ad alta fedeltà con controllo espressivo per dialoghi lunghi
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns
- gemini-3.1-flash-tts: Voce multi-speaker rapida per dialoghi reattivi e flussi audio ad alto volume
  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 l'introduzione di un podcast a due voci, con un conduttore britannico dal tono pacato e un ospite americano energico.
/api/v1/gemini_tts/text_to_speech: Submit the task, poll for its status, then verify the completed output. Invia POST a /api/v1/gemini_tts/text_to_speech e salva l’ID della Task restituita.
Invia GET a /api/v1/gemini_tts/text_to_speech/<task-id> finché lo stato non è completed o failed.
Verifica che la risposta completed contenga l’output specifico dell’endpoint documentato nel riferimento API.

Versioni ed endpoint pubblici

ID modello Endpoint Prezzo iniziale Catalogo
gemini-2.5-pro-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M di token Dettagli modello
gemini-3.1-flash-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M di token Dettagli modello

Verifica

Esegui il polling finché la Task non raggiunge uno stato terminale

Seleziona <model-id> per generare i comandi di verifica.

Configurazione

Endpoint della guida: <endpoint>

Seleziona <model-id> per generare una richiesta con il contratto di input pubblico dell’endpoint.
Come funziona

Inizia in 3 passaggi

  1. Scegli un ID modello

    Seleziona un ID pubblico del catalogo e controlla il relativo endpoint e il prezzo iniziale corrente.

  2. Configura RunAPI

    Imposta RUNAPI_API_KEY prima di inviare la richiesta all’endpoint.

  3. Verifica il risultato

    Per gli endpoint asincroni, interroga lo stesso endpoint finché la Task non raggiunge uno stato finale.

Cosa puoi creare con Hermes Agent + Gemini TTS

  • Voiceover e narrazione

    Trasforma copioni in audio parlato per video, corsi e demo di prodotto con modelli che generano voce.

  • Musica e colonne sonore

    Crea basi musicali e jingle da una descrizione di genere, atmosfera e tempo con modelli che generano musica.

  • Trascrizione ed elaborazione audio

    Trascrivi registrazioni oppure pulisci e trasforma audio esistente con modelli che accettano audio in ingresso.

Perché usare Gemini TTS con RunAPI + Hermes Agent

  • 2 varianti, una chiave API

    Usa una sola connessione RunAPI per scegliere tra le varianti del modello disponibili senza modificare la tua integrazione.

  • Prezzi d'uso chiari

    Visualizza i prezzi attuali del catalogo prima di inviare una richiesta, senza abbonamento o spesa minima.

  • Flussi di attività automatici

    Invia, controlla e raccogli risultati asincroni con un flusso di attività uniforme, senza scrivere codice di polling manuale.

Domande su Hermes Agent + Gemini TTS

Quali modelli Gemini TTS sono disponibili?

RunAPI supporta Gemini 2.5 Pro TTS e Gemini 3.1 Flash TTS tramite lo stesso endpoint di sintesi vocale e lo stesso formato di richiesta.

Come configuro più relatori?

Aggiungi una configurazione per ogni partecipante usando un identificatore univoco nel formato Speaker N, quindi assegna ogni battuta del dialogo a uno di questi identificatori.

Cosa posso controllare per ogni relatore?

Ogni relatore può avere voce, accento, stile di interpretazione e ritmo propri, oltre a un profilo audio facoltativo per ulteriori indicazioni vocali.

In che modo la scena e il contesto interpretativo influiscono sulla richiesta?

La scena descrive l'ambiente di registrazione, mentre il contesto interpretativo definisce il tono generale e le indicazioni per l'interpretazione del dialogo.

Come vengono restituiti i risultati audio completati?

Interroga il task o ricevi il callback al completamento; la risposta contiene l'elenco `audios` con l'URL del file generato.

Quale ID modello devo usare?

Scegli un ID pubblico dalla tabella delle versioni. Ogni ID espone gli endpoint mostrati nella sua riga.

Questa guida configura un modello di chat?

No. Questa linea di modelli usa il flusso dell’endpoint mostrato e non viene presentata come modello di chat dell’agente.

Inizia a usare Gemini TTS con Hermes Agent

Ottieni una chiave API Leggi la guida rapida

Stai costruendo con un team?

Ti aiutiamo con la configurazione enterprise, le integrazioni e le domande tecniche.

Contattaci