Audio & Music · Google

Gemini TTS API

Dostęp do API Gemini TTS do dialogów z udziałem wielu mówców, z konfigurowalnymi głosami, akcentami, stylami wypowiedzi i tempem.

Operacyjny · 2 variants · od $0.0014

Wypróbuj w playground Dokumentacja API →

runapi.ai

curl -X POST https://runapi.ai/api/v1/gemini_tts/text_to_speech \
  -H "Authorization: Bearer $RUNAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "gemini-3.1-flash-tts",
  "text": "Wygeneruj wstęp do podcastu prowadzony przez dwie osoby: spokojnego brytyjskiego gospodarza i energicznego amerykańskiego gościa."
}'

import { GeminiTtsClient } from "@runapi.ai/gemini-tts";

const client = new GeminiTtsClient();
const result = await client.textToSpeech.run({
    model: "gemini-3.1-flash-tts",
    text: "Wygeneruj wstęp do podcastu prowadzony przez dwie osoby: spokojnego brytyjskiego gospodarza i energicznego amerykańskiego gościa.",
});

require "runapi/gemini_tts"

client = RunApi::GeminiTts::Client.new
result = client.text_to_speech.run(
    model: "gemini-3.1-flash-tts",
    text: "Wygeneruj wstęp do podcastu prowadzony przez dwie osoby: spokojnego brytyjskiego gospodarza i energicznego amerykańskiego gościa."
)

npx skills add runapi-ai/gemini-tts -g

# Claude Code
claude mcp add runapi -s user -- npx -y @runapi.ai/mcp

# Codex
codex plugin install runapi-mcp@agents

# Cursor / Windsurf / VS Code
npx @runapi.ai/mcp init cursor

@runapi.ai/gemini-tts v1

OVERVIEW

Gemini TTS zamienia uporządkowany dialog na mowę, zachowując osobną konfigurację głosu każdego mówcy. W żądaniu można też określić scenę, ogólny kontekst wykonania i temperaturę próbkowania.

Wiele wariantów dla różnych poziomów szybkości i jakości
Model skill zawiera dokumentację, schematy i notatki setupu
Działa z workflow kodowania aplikacji
Nie płacisz za nieudane generacje

VARIANTS

Porównaj wszystkie warianty API

Variant	Billing	Pricing
gemini-2.5-pro-tts	1K tokens	Input $1.40 / 1M tokens \| Output $28.00 / 1M tokens	Zobacz →
gemini-3.1-flash-tts	1K tokens	Input $1.40 / 1M tokens \| Output $28.00 / 1M tokens	Zobacz →

SKILLS

Zainstaluj skill Gemini TTS do tworzenia aplikacji

Wczytaj dokumentację modelu, schematy, notatki cenowe i kroki setupu do workspace kodu.

# Install the model skill for app development workflows
npx skills add runapi-ai/gemini-tts -g

Installs docs, schemas, pricing context, and setup notes into your developer workspace.

Or use this setup request in your coding tool:

Install the Gemini TTS skill for this app:

1. Add runapi-ai/gemini-tts with the skills installer.
2. Load SKILL.md in this workspace.
3. Use its docs, schemas, pricing notes, and setup steps when adding model features.
4. Confirm the install path when done.

OpenClaw

Use Gemini TTS in OpenClaw

Prompt, curl command, parameters, and FAQ.

Hermes Agent

Use Gemini TTS in Hermes Agent

Custom provider setup, API call, and FAQ.

JAK TO DZIAŁA

Od model skilla do pierwszego wyniku w czterech krokach

Wybierz model

Wybierz model i wariant pasujące do typu wyjścia, progu jakości i celu opóźnienia.

Konfiguracja

Ustaw klucz RunAPI i zainstaluj model skill w workspace kodu.

Implementacja

Użyj instrukcji skilla, aby dodać funkcję modelu w swojej aplikacji.

Odbiór

Odpytuj po task ID, streamuj gdy wspierane albo obsłuż callback webhook.

CONTEXT

Czym jest API Gemini TTS?

Gemini TTS jest częścią katalogu Google w RunAPI i udostępnia Gemini 2.5 Pro TTS oraz Gemini 3.1 Flash TTS przez jeden spójny interfejs API, SDK i CLI.

Provider

Google

Modality

Audio & Music

DLACZEGO RUNAPI

Dlaczego używać API Gemini TTS przez RunAPI

Jedno uwierzytelnienie, wszyscy providerzy

Jeden klucz RunAPI odblokowuje cały katalog. Bez osobnych kont i rotacji kluczy dla każdej integracji.

Ujednolicony cennik i rozliczenia

Rozliczanie za wywołanie w USD, fakturowane co miesiąc. Nieudane generacje nie są naliczane.

Skill ze schematami

Typowane schematy i notatki setupu są spakowane w model skill, więc implementacja startuje od właściwego kontraktu.

FAQ

Najczęstsze pytania

Które modele Gemini TTS są dostępne?

RunAPI obsługuje Gemini 2.5 Pro TTS i Gemini 3.1 Flash TTS przez ten sam endpoint zamiany tekstu na mowę i z taką samą strukturą żądania.

Jak skonfigurować wielu mówców?

Dodaj konfigurację każdego uczestnika z unikalnym identyfikatorem Speaker N, a następnie przypisz każdą wypowiedź w dialogu do jednego z tych identyfikatorów.

Jakie ustawienia można kontrolować dla każdego mówcy?

Dla każdego mówcy można ustawić głos, akcent, styl wypowiedzi i tempo oraz opcjonalny profil audio z dodatkowymi wskazówkami dotyczącymi brzmienia głosu.

Jak scena i kontekst wypowiedzi wpływają na żądanie?

Scena opisuje środowisko nagrania, a kontekst wypowiedzi określa ogólny ton dialogu i sposób jego wykonania.

Jak zwracane są gotowe wyniki audio?

Odpytaj zadanie lub odbierz callback po jego zakończeniu; odpowiedź zawiera listę `audios` z adresem URL wygenerowanego pliku.

Od jakiego wariantu powinienem zacząć?

Wybierz najtańszy wariant, który spełnia Twoje wymagania jakościowe. Większość zespołów zaczyna od szybkiego wariantu, a do produkcji przechodzi na pro.

Czy jest darmowy plan?

Nowe konta otrzymują darmowe pierwsze wywołania dla każdego modelu. Później płacisz za każde wywołanie.

Czy streamujecie wyniki?

Tam, gdzie streaming jest dostępny, RunAPI streamuje end-to-end.

Jak są rozliczane nieudane próby?

Nieudane generacje nie są obciążane opłatą.

Czy wyniki są buforowane?

Wygenerowane wyniki są zapisywane i można je pobrać po ID zadania. Dane wejściowe nie są buforowane.

Czy mogę używać komercyjnie?

Tak — użycie komercyjne jest dostępne dla każdego wariantu, chyba że licencja modelu wyraźnie to ogranicza; informacja taka jest podana na stronie wariantu.

A co z limitami zapytań?

Limity na klucz rosną wraz z poziomem wykorzystania. Aktualne limity znajdziesz na stronie cennika.

Gdzie mogę zgłosić problem?

Otwórz zgłoszenie w publicznym repozytorium GitHub albo napisz do supportu.

PODOBNE MODELE