统一认证，接入所有提供方
一把 RunAPI key 解锁整个模型目录。无需为每家提供方单独建账户。
curl -X POST https://runapi.ai/api/v1/gemini_tts/text_to_speech \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3.1-flash-tts",
"text": "生成一段双人播客开场：一位沉稳的英式口音主持人与一位充满活力的美式口音嘉宾对话。"
}'import { GeminiTtsClient } from "@runapi.ai/gemini-tts";
const client = new GeminiTtsClient();
const result = await client.textToSpeech.run({
model: "gemini-3.1-flash-tts",
text: "生成一段双人播客开场：一位沉稳的英式口音主持人与一位充满活力的美式口音嘉宾对话。",
});require "runapi/gemini_tts"
client = RunApi::GeminiTts::Client.new
result = client.text_to_speech.run(
model: "gemini-3.1-flash-tts",
text: "生成一段双人播客开场：一位沉稳的英式口音主持人与一位充满活力的美式口音嘉宾对话。"
)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概览
关于 Gemini TTS
Gemini TTS 可将有序对白合成为语音，并为每个角色保留独立的声音配置。请求还可以设置场景、整体表达背景和采样温度。
提供方
Google
模态
音频与音乐
对比全部 API 变体
定价
Gemini TTS 定价
| Endpoint | 分辨率 | 时长 | 价格 | |
|---|---|---|---|---|
| text_to_speech | — | — | 输入 $1.40 / 百万 tokens | 输出 $28.00 / 百万 tokens |
当前价格适用于 gemini-2.5-pro-tts。其他变体保留各自的 endpoint 定价。
Agent 集成
通过 Agent 运行 Gemini TTS
工作流程
开始使用 Gemini TTS
-
选择模型
根据输出类型、质量要求和延迟目标选择模型与变体。
-
配置
设置 RunAPI key，并在代码工作区安装对应 model skill。
-
调用
按 skill 里的说明，把模型能力接入到你的应用里。
-
接收
按 task ID 轮询、在支持时使用流式，或处理 webhook 回调。
为什么用 RunAPI 调用 Gemini TTS API
统一的定价与账单
USD 按次定价，按月结算。失败的生成不计费。
Schema 优先的 SDK
Typed schema 和接入说明已打包进 model skill，让实现从正确契约开始。
Gemini TTS 常见问题
Gemini TTS 支持哪些模型？
RunAPI 通过同一个语音合成端点和请求结构支持 Gemini 2.5 Pro TTS 与 Gemini 3.1 Flash TTS。
如何配置多个说话角色？
使用唯一的 Speaker N 标识符为每个参与者添加角色配置，再把每条对白分配给其中一个标识符。
每个角色可以控制哪些声音属性？
每个角色都可以设置声音、口音、表达风格和语速，还可以通过可选 audio profile 补充声音方向。
scene 和 sample context 分别有什么作用？
scene 描述录音环境，sample context 则为整段对白设置整体语气和表达指导。
完成后的音频如何返回？
任务完成后可通过查询或回调获取结果，响应中的 audios 列表包含生成文件地址。
应该从哪个变体开始？
选满足质量要求的最便宜变体。多数团队从 fast 起步，生产时升级到 pro。
相似模型