Google · Áudio & Música

OpenClaw x Gemini TTS

Gemini TTS faz parte do catálogo do Google no RunAPI e disponibiliza Gemini 2.5 Pro TTS e Gemini 3.1 Flash TTS em uma interface consistente para API, SDK e CLI.

2 variants a partir de $1.40 / 1M de tokens Uso comercial permitido
Obter chave de API Ver a documentação de OpenClaw

Prerequisite: npx runapi mcp install

Prompt

Modelos de prompt

Use gemini-2.5-pro-tts quando ele corresponder à tarefa: Fala multivoz de alta fidelidade com controle expressivo para diálogos longos.

You have access to RunAPI task tools for Gemini TTS.

Available Gemini TTS models:
- gemini-2.5-pro-tts: Fala multivoz de alta fidelidade com controle expressivo para diálogos longos
  endpoints: /api/v1/gemini_tts/text_to_speech
  request fields: model, temperature, scene, sample_context, speakers, dialogue_turns
- gemini-3.1-flash-tts: Fala multivoz rápida para diálogos responsivos e fluxos de áudio em grande 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: Gere a abertura de um podcast com dois locutores, usando um apresentador britânico de voz calma e um convidado americano enérgico.
/api/v1/gemini_tts/text_to_speech: Submit the task, poll for its status, then verify the completed output. Envie POST para /api/v1/gemini_tts/text_to_speech e salve o ID da Task retornada.
Envie GET para /api/v1/gemini_tts/text_to_speech/<task-id> até o status ser completed ou failed.
Verifique se a resposta completed contém a saída específica do endpoint documentada na referência da API.

Versões e endpoints públicos

ID do modelo Endpoints Preço inicial Catálogo
gemini-2.5-pro-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Detalhes do modelo
gemini-3.1-flash-tts
/api/v1/gemini_tts/text_to_speech
$1.40 / 1M de tokens Detalhes do modelo

Verificar

Consulte até que a Task alcance um estado final

Selecione <model-id> para gerar os comandos de verificação.

Configuração

Endpoint do guia: <endpoint>

Selecione <model-id> para gerar uma solicitação com o contrato público de entrada do endpoint.
Como funciona

Comece em 3 passos

  1. Escolha um ID de modelo

    Selecione um ID público do catálogo e confira seu endpoint e preço inicial atual.

  2. Configure o RunAPI

    Defina RUNAPI_API_KEY antes de enviar a solicitação ao endpoint.

  3. Verifique o resultado

    Para endpoints assíncronos, consulte o mesmo endpoint até que a Task alcance um estado final.

O que criar com OpenClaw + Gemini TTS

  • Locução e narração

    Transforme roteiros em áudio falado para vídeos, cursos e demos de produto com modelos que geram fala.

  • Música e trilhas sonoras

    Crie faixas de fundo e jingles a partir de uma descrição de gênero, clima e andamento com modelos que geram música.

  • Transcrição e processamento de áudio

    Transcreva gravações ou limpe e transforme áudios existentes com modelos que aceitam áudio como entrada.

Por que usar Gemini TTS pelo RunAPI + OpenClaw

  • 2 variantes, uma chave de API

    Use uma única conexão do RunAPI para escolher entre as variantes de modelo disponíveis sem mudar sua integração.

  • Preços de uso claros

    Consulte os preços atuais do catálogo antes de enviar uma solicitação, sem assinatura ou gasto mínimo.

  • Fluxos de tarefas automáticos

    Envie tarefas, consulte seu status e reúna resultados assíncronos em um fluxo uniforme, sem escrever código de consulta manual.

Perguntas sobre OpenClaw + Gemini TTS

Quais modelos Gemini TTS estão disponíveis?

O RunAPI oferece Gemini 2.5 Pro TTS e Gemini 3.1 Flash TTS pelo mesmo endpoint de text-to-speech e com o mesmo formato de requisição.

Como configuro vários locutores?

Adicione uma configuração de locutor para cada participante com um identificador Speaker N exclusivo e associe cada fala do diálogo a um desses identificadores.

O que posso controlar para cada locutor?

Cada locutor tem voz, sotaque, estilo de fala e ritmo, além de um perfil de áudio opcional para instruções de voz adicionais.

Como a cena e o contexto da amostra afetam a requisição?

A cena descreve o ambiente de gravação, enquanto o contexto da amostra define o tom geral e as orientações de interpretação do diálogo.

Como recebo os resultados de áudio concluídos?

Consulte a tarefa ou aguarde o callback após a conclusão. A resposta contém a lista `audios`, que inclui a URL do arquivo gerado.

Qual ID de modelo devo usar?

Escolha um ID público na tabela de versões. Cada ID expõe os endpoints mostrados em sua linha.

Este guia configura um modelo de chat?

Não. Esta linha de modelos usa o fluxo de endpoint mostrado aqui e não é apresentada como modelo de chat do agente.

Comece a usar Gemini TTS com OpenClaw

Obter chave de API Ler o Guia Rápido

Construindo com uma equipe?

Ajudamos com a configuração empresarial, integrações e dúvidas técnicas.

Fale conosco