Voz
Texto a voz
Convierte texto en voz natural con los modelos de texto a voz de Gemini, a través de la API de voz de OpenAI: 30 voces, un estilo que describes con palabras normales y MP3, WAV o PCM de vuelta en unos segundos.
/v1/audio/speechGenerar voz
from openai import OpenAIclient = OpenAI(base_url="https://api.zurelay.com/v1", api_key="YOUR_ZURELAY_KEY")speech = client.audio.speech.create( model="gemini-3.1-flash-tts", voice="Kore", input="Your order has shipped and arrives on Friday.", instructions="Say it warmly, at a relaxed pace",)speech.write_to_file("shipped.mp3")Cualquier SDK de OpenAI funciona: apúntalo a https://api.zurelay.com/v1 y llama a su método de voz. La respuesta es el propio archivo de audio.
Parámetros
modelstringobligatorio- Un ID de modelo de voz de la tabla.
inputstringobligatorio- El texto que se va a leer, de hasta 5,000 caracteres. Divide los textos más largos en varias solicitudes.
voicestring- Una de las 30 voces de abajo, o un nombre de voz de OpenAI como
alloyonova. Por defecto,Kore. instructionsstring- Cómo decirlo, con palabras normales:
Say cheerfully,Whisper, like a secret,Read slowly, like a bedtime story. Hasta 2,000 caracteres. No disponible en Gemini 3.8 Flash TTS, que lee su texto palabra por palabra: allí se rechaza cualquier solicitud con instrucciones. response_formatstringmp3(el valor por defecto),wavopcm: muestras sin procesar de 24 kHz, 16 bits, mono.speednumber- No compatible: pide el ritmo en
instructions. Solo se acepta1. modelsarray- Enrutamiento inteligente para esta solicitud: otros modelos de voz que probar, en orden, si el modelo no está disponible. Consulta Enrutamiento inteligente.
Voces
El código escrito para OpenAI sigue funcionando: sus nombres de voz se asignan a una voz de Gemini de carácter similar.
Estilo y ritmo
- Describe la interpretación como se la explicarías a un actor de doblaje: tono, ritmo, volumen, acento.
- Pon las indicaciones en
instructionsy solo las palabras que hay que decir eninput, para que no se lean en voz alta. - El idioma se detecta a partir del texto, así que una frase en español se pronuncia en español.
- Gemini 3.8 Flash TTS no admite
instructions: lee en voz alta cada palabra deinput. Escribe las etiquetas vocales de Google en el texto donde corresponda el sonido, como<laugh>,<sigh>,<breath>o<short pause>.
Cómo se cobra la voz
La voz se cobra por tokens: el texto que envías al precio de entrada y el audio que recibes al precio de salida. Cada segundo de audio equivale a un número fijo de tokens, que la tabla indica para cada modelo, así que su última columna es lo que cuesta un minuto. Cada respuesta indica sobre qué se cobró en sus cabeceras x-zurelay-input-tokens y x-zurelay-output-tokens, y todas las solicitudes quedan en tu registro de solicitudes. Las solicitudes fallidas no cuestan nada. La voz se mantiene en el modelo que pediste, incluso con enrutamiento inteligente automático. Solo tus propias reglas o la lista models de una solicitud pueden hacer que otro modelo de voz responda cuando el tuyo está caído: x-zurelay-model lo indica y se cobra a su precio.
Prueba voces y estilos en el Playground del panel.
¿Tienes dudas o falta algo? Escribe a nuestro equipo de soporte y te responderemos por email, normalmente en menos de un minuto.