Google
चालू· हर कुछ मिनट में जाँच होती है

Gemini 2.5 Flash TTS API

Gemini 2.5 Flash TTS API: 30 आवाज़ों और 24 भाषाओं में Google की तेज़, कम लागत वाली आवाज़ सेवा, Google की सूचीबद्ध कीमत से 40% कम पर.

टेक्स्ट और ऑडियो के प्रति 1M टोकन की कीमत40%छूट
टेक्स्ट इनपुट
$0.30$0.50
ऑडियो आउटपुट
$6.00$10.00
अपनी API कुंजी पाएँप्लेग्राउंड में आज़माएँ
मॉडल IDgemini-2.5-flash-ttsअपडेट किया गया
speak.py
from openai import OpenAI
client = OpenAI(
    base_url="https://api.zurelay.com/v1",
    api_key="YOUR_ZURELAY_KEY",
)
speech = client.audio.speech.create(
    model="gemini-2.5-flash-tts",
    voice="Kore",
    input="Welcome to Zurelay. Your video is ready.",
    instructions="Say it warmly",
)
speech.write_to_file("welcome.mp3")

बेस URL https://api.zurelay.com/v1. किसी भी OpenAI SDK के साथ काम करता है। स्पीच API दस्तावेज़

आवाज़ें
30, और OpenAI के नाम
फ़ॉर्मैट
MP3 · WAV · PCM
हर अनुरोध में टेक्स्ट
5,000 अक्षर तक
एक मिनट की आवाज़
$0.009 के बारे में
रिलीज़ की तारीख
20 मई 2025
स्थिति
चालू

कीमतें

Gemini 2.5 Flash TTS API की कीमतें। तय कीमत का एक छोटा-सा हिस्सा।

बिना किसी सदस्यता के, प्रीपेड क्रेडिट से जितना इस्तेमाल करें, उतना भुगतान करें। $10 से टॉप-अप करें। असफल अनुरोधों का कभी शुल्क नहीं लगता।

दरZurelayGoogle की सूचीबद्ध दर
टेक्स्ट इनपुट
प्रति 1M टोकन
$0.30$0.50
ऑडियो आउटपुट
प्रति 1M टोकन
$6.00$10.00

शुल्क आपके भेजे गए टेक्स्ट और मिले हुए ऑडियो पर लगता है: प्रति मिनट 1,500 ऑडियो टोकन, यानी एक मिनट की आवाज़ के लिए लगभग $0.009। असफल अनुरोधों का कोई शुल्क नहीं लगता।

Text-to-speech का हर मॉडल और उसकी कीमत
बचत कैलकुलेटर

स्लाइडर से अपना मासिक इस्तेमाल सेट करें.

प्रति माह इनपुट टोकन50M
प्रति माह आउटपुट टोकन10M
Zurelay
$75.00
Google की सूचीबद्ध कीमत
$125.00
हर महीने आपकी बचत$50.00

$600.00 प्रति वर्ष

लागत

Gemini 2.5 Flash TTS API की लागत, पूरी गणना के साथ।

लिस्ट कीमत के मुक़ाबले Zurelay की लाइव कीमतों पर आम वर्कलोड।

  • एक वॉइस मैसेज

    लगभग एक मिनट की स्पीच।

    $0.009$0.015 लिस्ट प्राइस पर

  • एक पॉडकास्ट एपिसोड

    करीब 30 मिनट की स्पीच।

    $0.27$0.45 लिस्ट प्राइस पर

  • एक ऑडियोबुक

    लगभग 10 घंटे की स्पीच।

    $5.40$9.00 लिस्ट प्राइस पर

खास जानकारी

Gemini 2.5 Flash TTS क्या है?

Gemini 2.5 Flash TTS, Google का कम देरी वाला, किफ़ायती टेक्स्ट-टू-स्पीच मॉडल है, जिसे असिस्टेंट, बड़े पैमाने पर वॉइसओवर और बातचीत वाले ऐप के लिए बनाया गया है. यह आपके बताए लहजे और रफ़्तार में, 30 आवाज़ों और 24 भाषाओं में टेक्स्ट पढ़कर सुनाता है. Zurelay का Gemini 2.5 Flash TTS API इसे OpenAI-संगत स्पीच एंडपॉइंट से Google की सूचीबद्ध कीमत से 40% कम पर उपलब्ध कराता है, यानी लगभग $0.009 प्रति मिनट की आवाज़.

Google ने Gemini 2.5 Flash TTS को 20 मई, 2025 को Gemini 2.5 Pro TTS के साथ प्रीव्यू में रिलीज़ किया और 10 दिसंबर, 2025 को इसका अपग्रेड किया गया वर्शन जारी किया. Google इसे कम देरी के लिए अनुकूलित करता है और इसे स्वाभाविक, उच्च-गुणवत्ता वाली आवाज़ देने वाला किफ़ायती इंजन बताता है, जो रियल-टाइम असिस्टेंट, बड़े पैमाने पर वॉइसओवर और ऐसे बातचीत वाले ऐप के लिए है जिन्हें आवाज़ के अंदाज़ और रफ़्तार पर बारीक नियंत्रण चाहिए. Zurelay पर इसकी मॉडल ID gemini-2.5-flash-tts है, और यह google/gemini-2.5-flash-tts तथा Google की अपनी ID, gemini-2.5-flash-preview-tts, भी स्वीकार करता है.

Google की सूची में 2.5 Flash TTS की कीमत Gemini 3.1 Flash TTS और 2.5 Pro TTS से आधी है. दिसंबर के अपग्रेड में इसे 2.5 Pro TTS जैसे ही सुधार मिले: ज़्यादा अभिव्यंजक लहजे और अंदाज़ बताने वाले प्रॉम्प्ट का बेहतर पालन, टेक्स्ट के हिसाब से बदलती रफ़्तार, और रफ़्तार के स्पष्ट निर्देशों का ज़्यादा सटीक पालन. यह 24 भाषाओं में बोलता है और भाषा टेक्स्ट से पहचानता है.

Zurelay इसे OpenAI-संगत एंडपॉइंट से उपलब्ध कराता है: POST https://api.zurelay.com/v1/audio/speech में 5,000 अक्षरों तक का input, Gemini की 30 आवाज़ों में से एक (डिफ़ॉल्ट रूप से Kore, या OpenAI का कोई नाम जैसे alloy या nova), और वैकल्पिक instructions भेजें, जिनमें आप आसान शब्दों में आवाज़ का अंदाज़ बता सकते हैं. जवाब में सीधे ऑडियो फ़ाइल मिलती है: डिफ़ॉल्ट रूप से MP3, या WAV या रॉ PCM. Zurelay पर Gemini के स्पीच मॉडल में यह सबसे तेज़ है: एक वाक्य का ऑडियो कुछ सेकंड में और एक पैराग्राफ़ का लगभग 15 सेकंड में मिल जाता है. हर रिक्वेस्ट में एक ही आवाज़ इस्तेमाल होती है; Google का अपना API एक रिक्वेस्ट में दो वक्ताओं के संवाद को भी आवाज़ दे सकता है, लेकिन Zurelay पर यह सुविधा उपलब्ध नहीं है.

Google के API की तरह, आवाज़ बनाने का शुल्क टोकन के आधार पर लगता है: आपके भेजे गए टेक्स्ट का, निर्देशों सहित, $0.30 प्रति 1M टोकन, और मिलने वाले ऑडियो का $6.00 प्रति 1M टोकन. Gemini 2.5 Flash TTS हर सेकंड की आवाज़ के लिए 25 ऑडियो टोकन गिनता है, यानी एक मिनट में 1,500, इसलिए एक मिनट की लागत लगभग $0.009 और टेक्स्ट का शुल्क होती है. हर जवाब के x-zurelay-input-tokens और x-zurelay-output-tokens हेडर बताते हैं कि कितने टोकन का शुल्क लगा, हर रिक्वेस्ट आपके रिक्वेस्ट लॉग में दर्ज होती है, और विफल रिक्वेस्ट का कोई शुल्क नहीं लगता.

खूबियाँ

Gemini 2.5 Flash TTS कहाँ बेहतरीन है. और टीमें इससे क्या बनाती हैं.

01

तेज़ जवाब

Zurelay पर Gemini के स्पीच मॉडल में सबसे तेज़: एक छोटे वाक्य का ऑडियो आमतौर पर कुछ सेकंड में मिल जाता है.

02

तीनों में सबसे कम कीमत

Google की सूची में इसकी कीमत Gemini 3.1 Flash TTS और 2.5 Pro TTS से आधी है, और Zurelay पर एक मिनट की आवाज़ की लागत लगभग $0.009 है।

03

आपके निर्देशों के मुताबिक

दिसंबर 2025 के अपग्रेड के बाद से यह आपके बताए लहजे और बोलने की गति के स्पष्ट निर्देशों का ज़्यादा सटीक पालन करता है।

04

24 भाषाएँ

टेक्स्ट से भाषा अपने-आप पहचान ली जाती है, इसलिए हर रिक्वेस्ट में इसे सेट करने की ज़रूरत नहीं है।

इस्तेमाल के तरीके

  • असिस्टेंट के जवाब आवाज़ में

    असिस्टेंट के जवाब एक-एक वाक्य करके आवाज़ में बदलें, ताकि अगला वाक्य बनते समय पिछला सुनाई देने लगे।

  • बड़े पैमाने पर वाचन

    लेखों, प्रोडक्ट के विवरणों और सूचनाओं को बड़े पैमाने पर ऑडियो में बदलें, जहाँ प्रति मिनट की कीमत सबसे ज़्यादा मायने रखती है।

  • ऐप के संदेश और अलर्ट

    पुष्टि संदेश, रिमाइंडर और अलर्ट एक ही आवाज़ में, आपकी अपनी ऑडियो पाइपलाइन के लिए MP3, WAV या रॉ PCM में।

  • फ़ाइनल टेक से पहले ड्राफ़्ट

    कम कीमत पर आवाज़ें, शैलियाँ और स्क्रिप्ट आज़माएँ, फिर Gemini 2.5 Pro TTS या 3.1 Flash TTS पर फ़ाइनल टेक तैयार करें।

शुरू करें

तीन चरणों में Gemini 2.5 Flash TTS को कॉल करें.

न कोई वेटलिस्ट, न नया SDK. अगर आपका कोड पहले से OpenAI से कनेक्ट होता है, तो वह Zurelay से भी कनेक्ट हो सकता है.

  1. 1

    कुंजी बनाएँ

    Sign up, add credit और create an API key. Set a monthly budget or a rate limit per key if you like.

    अपनी API कुंजी पाएँ
  2. 2

    Zurelay पर Point your SDK

    Change the base URL. Everything else in your code stays the same.

    https://api.zurelay.com/v1
  3. 3

    gemini-2.5-flash-tts इस्तेमाल करें

    POST your text और a voice to /v1/audio/speech and get the audio back as MP3, WAV or PCM.

    gemini-2.5-flash-tts

आपके मौजूदा टूल के साथ काम करता है

तुलना करें

मिलते-जुलते मॉडल. सभी के लिए एक ही कुंजी.

40%छूट

Gemini 3.1 Flash TTS

प्रति 1M टोकन $0.60 / $12.00

Google के ऑडियो टैग के लिए Gemini 3.1 Flash TTS चुनें, जो वाक्य के बीच में बोलने का अंदाज़ बदलते हैं, और 70 से ज़्यादा भाषाओं के लिए भी।

Gemini 3.1 Flash TTS API
40%छूट

Gemini 2.5 Pro TTS

प्रति 1M टोकन $0.60 / $12.00

लंबे वाचन के लिए Gemini 2.5 Pro TTS चुनें, जहाँ गति से ज़्यादा आवाज़ की स्पष्टता मायने रखती है।

Gemini 2.5 Pro TTS API
40%छूट

Gemini 3.8 Flash TTS

प्रति 1M टोकन $0.30 / $5.40

Google का Gemini 3.8 Flash TTS, सूचीबद्ध कीमत से 40% कम।

Gemini 3.8 Flash TTS API

अक्सर पूछे जाने वाले सवाल

Gemini 2.5 Flash TTS API से जुड़े सवाल.

कुछ और पूछना है? हमारी टीम से पूछें और हम ईमेल से जवाब देंगे.

Gemini 2.5 Flash TTS API की कीमत कितनी है?

Zurelay पर टेक्स्ट इनपुट के प्रति 1M टोकन की कीमत $0.30 और ऑडियो आउटपुट के प्रति 1M टोकन की कीमत $6.00 है। Google की सूचीबद्ध कीमतें $0.50 और $10.00 हैं, इसलिए आप 40% बचाते हैं। Gemini 2.5 Flash TTS बोलने के हर सेकंड के लिए 25 ऑडियो टोकन गिनता है, यानी एक मिनट में 1,500, इसलिए एक मिनट की लागत लगभग $0.009 है, साथ में आपके भेजे गए टेक्स्ट की लागत। विफल रिक्वेस्ट का कोई शुल्क नहीं लगता।

मैं OpenAI SDK से Gemini 2.5 Flash TTS को कैसे कॉल करूँ?

Zurelay API key बनाएँ, SDK का base URL https://api.zurelay.com/v1 पर सेट करें और client.audio.speech.create को कॉल करें। इसमें model के रूप में gemini-2.5-flash-tts, कोई voice, input के रूप में अपना टेक्स्ट और चाहें तो instructions दें। जवाब में सीधे ऑडियो फ़ाइल मिलती है: Python में उसे write_to_file से सहेजें, या Node में उसके बाइट्स किसी फ़ाइल में लिखें। पहले आवाज़ों और शैलियों को आज़माने के लिए https://zurelay.com/app/playground पर Playground का Speech मोड इस्तेमाल करें।

Gemini 2.5 Flash TTS में कौन-कौन सी आवाज़ें हैं?

Gemini की सभी 30 पहले से तैयार आवाज़ें उपलब्ध हैं, जैसे Kore, Puck, Charon, Leda, Aoede और Sulafat. डिफ़ॉल्ट आवाज़ Kore है. OpenAI की आवाज़ों के नाम भी काम करते हैं और मिलते-जुलते अंदाज़ वाली Gemini की आवाज़ से जुड़ जाते हैं: alloy की आवाज़ Kore, nova की Leda, onyx की Orus और shimmer की Callirrhoe होती है. https://zurelay.com/docs/speech पर स्पीच के दस्तावेज़ों में हर आवाज़ और Google के बताए उसके अंदाज़ की सूची है.

मैं Gemini 2.5 Flash TTS की शैली और बोलने की गति कैसे नियंत्रित करूँ?

instructions में आसान शब्दों में बताएँ: "खुशी से कहें", "तेज़ और उत्साह से बोलें" या "सोने से पहले सुनाई जाने वाली कहानी की तरह धीरे पढ़ें"। Google के दिसंबर 2025 के अपग्रेड के बाद से मॉडल शैली वाले प्रॉम्प्ट और बोलने की गति के स्पष्ट निर्देशों का ज़्यादा सटीक पालन करता है। निर्देश 2,000 अक्षरों तक के हो सकते हैं और उन्हें बोलकर नहीं पढ़ा जाता। speed में सिर्फ़ 1 स्वीकार किया जाता है, इसलिए बोलने की गति instructions में बताएँ।

Gemini 2.5 Flash TTS कौन-कौन सी भाषाएँ बोलता है?

Google के मुताबिक, 24 भाषाएँ उपलब्ध हैं. भाषा चुनने की कोई सेटिंग नहीं है: टेक्स्ट से ही भाषा पहचान ली जाती है, इसलिए स्पैनिश वाक्य स्पैनिश में बोला जाता है. 70 से ज़्यादा भाषाओं के लिए, उसी रिक्वेस्ट के साथ Gemini 3.1 Flash TTS इस्तेमाल करें.

Gemini 2.5 Flash TTS के ऑडियो फ़ॉर्मैट और टेक्स्ट की सीमाएँ क्या हैं?

हर रिक्वेस्ट में input के लिए 5,000 तक और instructions के लिए 2,000 तक अक्षर हो सकते हैं; लंबे टेक्स्ट को कई रिक्वेस्ट में बाँटें. डिफ़ॉल्ट रूप से ऑडियो MP3 में मिलता है, या response_format को wav पर सेट करें, या रॉ 24 kHz, 16-bit मोनो सैंपल के लिए pcm पर. Google ने मॉडल के लिए इनपुट की सीमा 8,192 टोकन बताई है. Zurelay ऑडियो स्टोर नहीं करता, इसलिए मिलने वाली फ़ाइल सहेज लें.

Zurelay पर Gemini 2.5 Flash TTS कितना तेज़ है?

Zurelay पर यह Gemini के आवाज़ बनाने वाले मॉडलों में सबसे तेज़ है: एक छोटा वाक्य आम तौर पर कुछ सेकंड में और एक पैराग्राफ़ लगभग 15 सेकंड में मिल जाता है। पूरी फ़ाइल एक ही जवाब में आती है, इसलिए वॉइस असिस्टेंट के लिए एक बार में एक वाक्य भेजें और हर वाक्य का ऑडियो मिलते ही चलाएँ।

क्या Gemini 2.5 Flash TTS दो वक्ताओं का संवाद आवाज़ में बदल सकता है?

Zurelay पर एक ही रिक्वेस्ट में नहीं। Google का अपना API एक ही कॉल में एक या दो वक्ताओं की आवाज़ बना सकता है, लेकिन Zurelay हर रिक्वेस्ट में एक ही आवाज़ इस्तेमाल करता है। संवाद के लिए हर पंक्ति को उसकी अलग आवाज़ में बनाएँ और ऑडियो को क्रम से जोड़ें; रॉ PCM को जोड़ना सबसे आसान है।

Gemini 2.5 Flash TTS या Gemini 3.1 Flash TTS: मुझे कौन सा इस्तेमाल करना चाहिए?

कम कीमत और सबसे तेज़ छोटे जवाबों के लिए 2.5 Flash TTS चुनें; Google की सूची में इसकी कीमत 3.1 Flash TTS से आधी है। ऑडियो टैग के लिए 3.1 Flash TTS चुनें, जो वाक्य के बीच में बोलने का अंदाज़ बदलते हैं, और 24 के बजाय 70 से ज़्यादा भाषाओं के लिए भी। दोनों एक जैसी रिक्वेस्ट लेते हैं, इसलिए बदलने के लिए सिर्फ़ model बदलना होता है।

क्या Gemini 2.5 Flash TTS अभी भी प्रीव्यू में है?

हाँ। Google ने इसे 20 मई, 2025 को प्रीव्यू में जारी किया और 10 दिसंबर, 2025 को अपग्रेड किया। Google ने इसे बंद करने की कोई तारीख घोषित नहीं की है। Zurelay पर Google की ID, gemini-2.5-flash-preview-tts, भी gemini-2.5-flash-tts की तरह काम करती है।

क्या यह Google का Gemini 2.5 Flash TTS है?

हाँ। आपकी रिक्वेस्ट Google के Gemini 2.5 Flash TTS पर चलती हैं, और Zurelay उसकी जगह कोई अलग या छोटा मॉडल इस्तेमाल नहीं करता। हर कॉल पर आवाज़ नए सिरे से बनती है, इसलिए एक ही टेक्स्ट और आवाज़ से हर बार बोलने का अंदाज़ थोड़ा अलग होता है। Zurelay एक स्वतंत्र सेवा है और Google से संबद्ध नहीं है।

Zurelay पर और मॉडल

सभी मॉडल

पूरी कीमत देना बंद करें.
आज से बचत शुरू करें.

सेकंडों में एक कुंजी बनाएं, अपने मौजूदा SDK को Zurelay से जोड़ें, और पहले टोकन से ही हर अनुरोध पर 90% तक कम खर्च करें.

अपनी API कुंजी पाएँइंजीनियर से बात करें