Gemini 2.5 Flash TTS API

Zurelay facture $0.30 par 1M tokens de texte en entrée et $6.00 par 1M tokens audio en sortie. Les tarifs publics de Google sont de $0.50 et $10.00 : vous économisez donc 40%. Gemini 2.5 Flash TTS compte 25 tokens audio par seconde de parole, soit 1,500 par minute. Une minute coûte donc environ $0.009, plus le texte envoyé. Les requêtes qui échouent ne sont pas facturées.

Créez une clé API Zurelay, définissez l'URL de base du SDK sur https://api.zurelay.com/v1 et appelez client.audio.speech.create avec model défini sur gemini-2.5-flash-tts, une voix, votre texte en input et, si vous le souhaitez, des instructions. La réponse est le fichier audio lui-même : enregistrez-le avec write_to_file en Python, ou écrivez ses octets dans un fichier en Node. Pour essayer d'abord les voix et les styles, utilisez le mode Speech du Playground sur https://zurelay.com/app/playground.

Les 30 voix prédéfinies de Gemini sont disponibles, dont Kore, Puck, Charon, Leda, Aoede et Sulafat, avec Kore par défaut. Les noms de voix OpenAI fonctionnent aussi et correspondent à une voix Gemini au caractère similaire : alloy utilise Kore, nova utilise Leda, onyx utilise Orus et shimmer utilise Callirrhoe. La documentation vocale sur https://zurelay.com/docs/speech répertorie toutes les voix avec le caractère que Google leur attribue.

Décrivez-les dans instructions, en langage courant : "Parlez d’un ton joyeux", "Parlez vite et avec entrain" ou "Lisez lentement, comme une histoire du soir". Depuis la mise à jour de Google de décembre 2025, le modèle respecte mieux les consignes de style et les indications explicites de débit. Le champ instructions accepte jusqu’à 2,000 caractères et son contenu n’est pas lu à voix haute. speed n’accepte que 1 : indiquez donc le débit souhaité dans instructions.

Google annonce 24 langues prises en charge. Aucun réglage de langue : elle est détectée à partir du texte, donc une phrase en espagnol est lue en espagnol. Pour plus de 70 langues, utilisez Gemini 3.1 Flash TTS avec la même requête.

Chaque requête accepte jusqu'à 5,000 caractères dans input et 2,000 dans instructions ; répartissez les textes plus longs sur plusieurs requêtes. L'audio est renvoyé en MP3 par défaut. Vous pouvez aussi définir response_format sur wav, ou sur pcm pour obtenir des échantillons bruts en mono 24 kHz, 16-bit. Google indique une limite d'entrée de 8,192 tokens pour le modèle. Zurelay ne conserve pas l'audio, alors enregistrez le fichier reçu.

C’est le plus rapide des modèles de synthèse vocale Gemini sur Zurelay : une phrase courte est généralement générée en quelques secondes, et un paragraphe en environ 15 secondes. Le fichier complet arrive en une seule réponse. Pour un assistant vocal, envoyez donc une phrase à la fois et lancez sa lecture dès sa réception.

Pas en une seule requête sur Zurelay. L’API de Google peut générer une ou deux voix en un seul appel, mais Zurelay utilise une seule voix par requête. Pour un dialogue, générez chaque réplique avec sa propre voix, puis assemblez les fichiers audio dans l’ordre ; le PCM brut est le plus simple à assembler.

Choisissez 2.5 Flash TTS pour son prix plus bas et ses réponses courtes plus rapides ; Google l’affiche à la moitié du prix de 3.1 Flash TTS. Choisissez 3.1 Flash TTS pour les balises audio, qui modifient la façon de parler en cours de phrase, et pour ses plus de 70 langues au lieu de 24. Les deux acceptent la même requête : il suffit donc de modifier model pour passer de l’un à l’autre.

Oui. Google l’a lancé en préversion le 20 mai 2025 et l’a mis à jour le 10 décembre 2025. Google n’a annoncé aucune date d’arrêt. Sur Zurelay, l’identifiant Google gemini-2.5-flash-preview-tts fonctionne, tout comme gemini-2.5-flash-tts.

Oui. Vos requêtes sont traitées par Gemini 2.5 Flash TTS de Google, et Zurelay ne le remplace pas par un autre modèle ou un modèle plus petit. L’audio est généré à chaque appel : un même texte avec une même voix donnera donc une lecture légèrement différente à chaque fois. Zurelay est un service indépendant, sans affiliation avec Google.