ポッドキャスト、オーディオブック、カスタマーサポート向けの高品質TTSプレビューを提供し、23+言語にわたる多言語の多言語による表現力豊かな音声も提供します。
Googleオーディオ生成リリース 2025年5月20日独自エンドポイントポッドキャスト、オーディオブック、カスタマーサポート向けの高品質TTSプレビューを提供し、23+言語にわたる多言語の多言語による表現力豊かな音声も提供します。
別名 Gemini Pro TTS, Gemini TTS, Google Gemini 2.5 Pro TTS
gemini-2-5-pro-tts/v1/audio/speechgemini-2.5-pro-ttsgoogle/gemini-2.5-pro-ttsEmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。
Gemini 2.5 Pro TTS は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID gemini-2-5-pro-tts と一緒に送信してください。 EmpirioLabs ダッシュボードで API キーを取得してください。
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-2-5-pro-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "gemini-2-5-pro-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)EmpirioLabs 上の Gemini 2.5 Pro TTS API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。
| パラメータ | タイプ | デフォルト | 範囲 / 値 | 説明 |
|---|---|---|---|---|
| input | string | - | - | 音声に変換するためのテキスト。マルチスピーカーモードでは、ラインの前にSpeaker1: / Speaker2: で表記します。 |
| mode | enum | single | single, multi | シングル=ワンボイス、マルチ=ツーボイスダイアログ(ボイス+ボイス2+スピーカー名を使用)。 |
| language | string | en-US | - | 発音の手がかり用のBCP-47言語タグ(en-US、es-ESなど)。 |
| voice | enum | Charon | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | 主な声名(例:Kore、Puck、Aoede)。デフォルトは空欄のままにしてください。 |
| voice2 | enum | Kore | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... | マルチスピーカーモード用の2つ目の音声名。 |
| speaker1_name | string | Speaker1 | - | スピーカー1の入力プレフィックスに使用された表示名(デフォルト:Speaker1)。 |
| speaker2_name | string | Speaker2 | - | スピーカー2の入力プレフィックスに使用される表示名(デフォルト:Speaker2)。 |
| output_format | enum | WAV | WAV, MP3, OGG, ALAW, MULAW | 音声ファイル形式(mp3、wav、opus、flacなど)。 |
| speed | number | 1 | 0.25 から 2 | 再生速度。1.0 = ナチュラル;<1は遅く、>1は速く。 |
| volume_gain | number | 0 | -96 から 16 | 出力ゲインはdB単位です。0 = 変わらない。 |
| sample_rate | enum | 24000 | 8000, 16000, 22050, 24000, 44100, 48000 | 出力サンプリングレートはHz(8000、16000、24000、44100、48000)です。 |
| style_prompt | string | - | - | 自然言語スタイルの指示(例:「温かく、会話的」や「ニュースキャスター、真面目」など)。 |
モード - シングルスピーカー - マルチスピーカー(最大2ボイス):テキストはSpeakerName: text形式でなければならない 制限 - テキスト+スタイルプロンプト:各4,000バイト - 音声課金:生成された音声のトークン/秒数~32(約10〜15chars/s)音声と言語 - emotional/tonal文字で30+の音声オプション - 24+言語ロケーション対応 出力フォーマット - MP3、WAV、OGG
EmpirioLabs では Gemini 2.5 Pro TTS は従量課金です: 入力 $3.00 1Mプロンプトトークンあたり; ソリューション $60.00 生成された1Mトークンあたり。このページのライブ料金表は常に API の請求額と一致します。
Gemini 2.5 Pro TTS は api.empiriolabs.ai 上の POST /v1/audio/speech で提供され、標準的な Bearer トークン認証を使用します。
はい。EmpirioLabs プレイグラウンドでは API と同じパラメーターで Gemini 2.5 Pro TTS をブラウザ上で実行できるので、コードを書く前にプロンプトを試せます。
EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。
