Gemini 2.5 Pro TTS API

Zurelay facture $0.60 par 1M tokens de texte en entrée et $12.00 par 1M tokens d’audio en sortie. Les tarifs catalogue de Google sont de $1.00 et $20.00, soit une économie de 40%. Gemini 2.5 Pro TTS compte 25 tokens audio par seconde de parole, soit 1,500 par minute : une minute coûte donc environ $0.018, en plus du texte envoyé. Les requêtes qui échouent ne coûtent rien.

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-pro-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 naturel : "Parlez sur un ton joyeux", "Adoptez un ton sombre et sérieux" ou "Lisez lentement, comme une histoire pour s’endormir". La mise à jour de décembre 2025 de Google a rendu le modèle bien plus fidèle aux consignes de style et plus précis dans le respect du rythme demandé. Les instructions peuvent contenir jusqu’à 2,000 caractères et ne sont pas lues à voix haute. speed n’accepte que 1 : précisez donc le rythme 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.

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

Plus de temps que les modèles Flash : sur Zurelay, comptez plusieurs secondes pour une phrase et près d’une demi-minute pour un paragraphe. Le fichier complet est renvoyé en une seule réponse, ce qui convient mieux à une narration préparée à l’avance qu’à une conversation en direct. Pour des réponses plus rapides, utilisez Gemini 2.5 Flash TTS ou Gemini 3.1 Flash TTS.

Google affiche les mêmes tarifs par token pour les deux modèles. Choisissez 2.5 Pro TTS pour les longues narrations où la clarté de la voix prime ; il compte aussi moins de tokens audio par seconde, 25 contre 32 pour 3.1 Flash TTS, donc une minute de parole consomme moins de tokens. Choisissez 3.1 Flash TTS pour les balises audio, plus de 70 langues et des réponses plus rapides. Les deux acceptent la même requête : il suffit de changer model pour passer de l’un à l’autre.

Oui. Google l’a lancé en préversion le 20 mai 2025, puis l’a amélioré le 10 décembre 2025. Google n’a annoncé aucune date d’arrêt. Sur Zurelay, l’identifiant Google gemini-2.5-pro-preview-tts fonctionne aussi bien que gemini-2.5-pro-tts.

Oui. Vos requêtes sont traitées par Gemini 2.5 Pro 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 lu par la même voix donne donc un résultat légèrement différent à chaque fois. Zurelay est un service indépendant, sans affiliation avec Google.