Google
चालू· हर कुछ मिनट में जाँच होती है

Gemini 2.5 Pro TTS API

Gemini 2.5 Pro TTS API: 30 आवाज़ों और 24 भाषाओं में Google का स्टूडियो-क्वालिटी नैरेशन, Google की लिस्ट कीमत से 40% कम पर।

टेक्स्ट और ऑडियो के प्रति 1M टोकन की कीमत40%छूट
टेक्स्ट इनपुट
$0.60$1.00
ऑडियो आउटपुट
$12.00$20.00
अपनी API कुंजी पाएँप्लेग्राउंड में आज़माएँ
मॉडल IDgemini-2.5-pro-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-pro-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
$0.018 के बारे में
रिलीज़ की तारीख
20 मई 2025
स्थिति
चालू

कीमतें

Gemini 2.5 Pro 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
$0.60$1.00
ऑडियो आउटपुट
प्रति 1M टोकन
$12.00$20.00

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 $0.018। 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
$150.00
Google की सूचीबद्ध कीमत
$250.00
हर महीने आपकी बचत$100.00

$1,200 प्रति वर्ष

लागत

Gemini 2.5 Pro 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।

    $0.018$0.03 लिस्ट प्राइस पर

  • एक पॉडकास्ट एपिसोड

    करीब 30 मिनट की स्पीच।

    $0.54$0.90 लिस्ट प्राइस पर

  • एक ऑडियोबुक

    लगभग 10 घंटे की स्पीच।

    $10.80$18.00 लिस्ट प्राइस पर

खास जानकारी

Gemini 2.5 Pro TTS क्या है?

Gemini 2.5 Pro TTS, Google का टेक्स्ट-टू-स्पीच मॉडल है जिसमें क्वालिटी को प्राथमिकता दी गई है। इसे लंबी सामग्री और पेशेवर नैरेशन के लिए बनाया गया है। यह आपके बताए लहजे और रफ़्तार में, 30 आवाज़ों और 24 भाषाओं में टेक्स्ट पढ़कर सुनाता है। Zurelay Gemini 2.5 Pro TTS API इसे OpenAI-संगत स्पीच एंडपॉइंट के ज़रिए Google की लिस्ट कीमत से 40% कम पर उपलब्ध कराता है, यानी करीब $0.018 प्रति मिनट की आवाज़।

Google ने Gemini 2.5 Pro TTS को 20 मई, 2025 को Gemini 2.5 Flash TTS के साथ प्रीव्यू में रिलीज़ किया और 10 दिसंबर, 2025 को इसका अपग्रेड किया हुआ वर्शन जारी किया। Google इसे स्टूडियो-क्वालिटी की आवाज़ के लिए अपना प्रीमियम इंजन कहता है, जो लंबी सामग्री, पेशेवर नैरेशन और ऐसे जटिल रचनात्मक कामों के लिए सबसे अच्छा है जहाँ आवाज़ की बेहतरीन स्पष्टता और स्वाभाविक उतार-चढ़ाव चाहिए। Zurelay पर इसकी मॉडल ID gemini-2.5-pro-tts है। यह google/gemini-2.5-pro-tts और Google की अपनी ID, gemini-2.5-pro-preview-tts भी स्वीकार करता है।

Google के दिसंबर अपग्रेड से लहजे में अधिक गहराई आई और मॉडल स्टाइल प्रॉम्प्ट का ज़्यादा सटीक पालन करने लगा: आप खुशमिज़ाज और आशावादी से लेकर उदास और गंभीर तक कोई भी लहजा माँग सकते हैं। मॉडल टेक्स्ट के हिसाब से अपनी रफ़्तार भी बदलता है, ज़ोर देने के लिए धीमा और उत्साह जताने के लिए तेज़ बोलता है। रफ़्तार के स्पष्ट निर्देशों का भी अब कहीं बेहतर पालन करता है। यह 24 भाषाएँ बोलता है और भाषा टेक्स्ट से अपने-आप पहचान लेता है।

Zurelay इसे OpenAI-संगत एंडपॉइंट से उपलब्ध कराता है: POST https://api.zurelay.com/v1/audio/speech पर अधिकतम 5,000 अक्षरों का इनपुट, Gemini की 30 आवाज़ों में से कोई एक (डिफ़ॉल्ट रूप से Kore, या alloy या nova जैसा कोई OpenAI नाम), और चाहें तो instructions में स्टाइल के निर्देश आम शब्दों में भेजें। जवाब में सीधे ऑडियो फ़ाइल मिलती है: डिफ़ॉल्ट रूप से MP3, या WAV या रॉ PCM। इसमें Gemini 2.5 Flash TTS और 3.1 Flash TTS से ज़्यादा समय लगता है: एक वाक्य में कई सेकंड और एक पैराग्राफ़ में करीब आधा मिनट। हर अनुरोध में एक ही आवाज़ इस्तेमाल होती है; Google का अपना API एक अनुरोध में दो वक्ताओं का संवाद भी सुना सकता है, लेकिन Zurelay पर यह सुविधा उपलब्ध नहीं है।

Google के API की तरह, स्पीच की बिलिंग टोकन के आधार पर होती है: आपके भेजे टेक्स्ट के लिए, निर्देशों समेत, हर 1M टोकन पर $0.60 और मिलने वाले ऑडियो के लिए हर 1M टोकन पर $12.00। Gemini 2.5 Pro TTS हर सेकंड की आवाज़ के लिए 25 ऑडियो टोकन गिनता है, यानी एक मिनट में 1,500, इसलिए एक मिनट की लागत करीब $0.018 और टेक्स्ट की लागत होती है। हर जवाब के x-zurelay-input-tokens और x-zurelay-output-tokens हेडर बताते हैं कि कितने टोकन का शुल्क लगा। हर अनुरोध आपके अनुरोध लॉग में दर्ज होता है और विफल अनुरोधों का कोई शुल्क नहीं लगता।

खूबियाँ

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

01

स्टूडियो-क्वालिटी नैरेशन

Google का प्रीमियम स्पीच इंजन, जो लंबे अंशों में भी आवाज़ की स्पष्टता और स्वाभाविक उतार-चढ़ाव बनाए रखने के लिए बनाया गया है।

02

आपके निर्देशों का बेहतर पालन

दिसंबर 2025 के अपग्रेड के बाद यह आपके बताए स्टाइल का ज़्यादा सटीक पालन करता है, चाहे लहजा खुशमिज़ाज और आशावादी हो या उदास और गंभीर।

03

टेक्स्ट के हिसाब से रफ़्तार

यह ज़ोर देने के लिए अपने-आप धीमा और उत्साह जताने के लिए तेज़ बोलता है। रफ़्तार के स्पष्ट निर्देशों का भी सटीक पालन करता है।

04

24 भाषाएँ

भाषा टेक्स्ट से अपने-आप पहचानी जाती है, इसलिए दूसरे बाज़ार के लिए नैरेशन बनाने में अतिरिक्त सेटिंग्स की ज़रूरत नहीं पड़ती।

इस्तेमाल के तरीके

  • ऑडियोबुक और लंबी सामग्री

    हर अनुरोध में अधिकतम 5,000 अक्षरों के अध्याय और लेख पढ़वाएँ, ऐसी आवाज़ में जो लंबे अंशों में भी साफ़ बनी रहे।

  • कोर्स और ट्यूटोरियल

    ई-लर्निंग मॉड्यूल, प्रोडक्ट ट्यूटोरियल और समझाने वाली सामग्री को इसकी 24 भाषाओं में से किसी भी भाषा के अनुरूप ढालकर आवाज़ दें।

  • किरदार और किस्सागोई

    गेम के किरदार या नाटकीय कथावाचक को बोलने का स्टाइल दें, जैसे घबराहट भरा लहजा जो आगे चलकर राहत में बदल जाए।

  • मार्केटिंग वॉइसओवर

    विज्ञापन की स्क्रिप्ट और वीडियो वॉइसओवर ब्रैंड के अनुरूप लहजे में पढ़वाएँ, फिर उन्हें MP3 या WAV में डाउनलोड करें।

शुरू करें

तीन चरणों में Gemini 2.5 Pro 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-pro-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-pro-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। इसमें 70 से ज़्यादा भाषाएँ और तेज़ जवाब भी मिलते हैं।

Gemini 3.1 Flash TTS API
40%छूट

Gemini 2.5 Flash TTS

प्रति 1M टोकन $0.30 / $6.00

असिस्टेंट और बड़ी मात्रा में नैरेशन के लिए Gemini 2.5 Flash TTS चुनें, जिसमें प्रति मिनट कम कीमत पर तेज़ जवाब मिलते हैं।

Gemini 2.5 Flash 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 Pro TTS API से जुड़े सवाल.

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

Gemini 2.5 Pro TTS API की कीमत क्या है?

Zurelay टेक्स्ट इनपुट के हर 1M टोकन के लिए $0.60 और ऑडियो आउटपुट के हर 1M टोकन के लिए $12.00 लेता है। Google की लिस्ट कीमत $1.00 और $20.00 है, इसलिए आपकी बचत 40% होती है। Gemini 2.5 Pro TTS हर सेकंड की आवाज़ के लिए 25 ऑडियो टोकन गिनता है, यानी एक मिनट में 1,500, इसलिए एक मिनट की लागत करीब $0.018 और आपके भेजे टेक्स्ट की लागत होती है। विफल अनुरोधों का कोई शुल्क नहीं लगता।

OpenAI SDK से Gemini 2.5 Pro TTS को कॉल कैसे करें?

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-pro-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 Pro 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.

Gemini 2.5 Pro TTS का स्टाइल और रफ़्तार कैसे तय करें?

instructions में आम शब्दों में बताएँ: "खुशमिज़ाज अंदाज़ में बोलें", "उदास और गंभीर लहजे में बोलें" या "सोने से पहले सुनाई जाने वाली कहानी की तरह धीरे पढ़ें"। Google के दिसंबर 2025 अपग्रेड के बाद मॉडल स्टाइल प्रॉम्प्ट का कहीं बेहतर और रफ़्तार के निर्देशों का अधिक सटीक पालन करता है। instructions में अधिकतम 2,000 अक्षर हो सकते हैं और इन्हें पढ़कर नहीं सुनाया जाता। speed में सिर्फ़ 1 स्वीकार किया जाता है, इसलिए रफ़्तार instructions में बताएँ।

Gemini 2.5 Pro 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 Pro TTS में कौन-से ऑडियो फ़ॉर्मैट उपलब्ध हैं और टेक्स्ट की क्या सीमाएँ 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.

क्या Gemini 2.5 Pro TTS दो वक्ताओं के बीच संवाद को आवाज़ दे सकता है?

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

Gemini 2.5 Pro TTS को कितना समय लगता है?

Flash मॉडल से ज़्यादा: Zurelay पर एक वाक्य में कई सेकंड और एक पैराग्राफ़ में करीब आधा मिनट लगता है. पूरी फ़ाइल एक ही जवाब में मिलती है, इसलिए यह लाइव बातचीत के बजाय पहले से तैयार किए जाने वाले वॉइसओवर के लिए बेहतर है. तेज़ जवाबों के लिए, Gemini 2.5 Flash TTS या Gemini 3.1 Flash TTS इस्तेमाल करें.

Gemini 2.5 Pro TTS या Gemini 3.1 Flash TTS: मैं किसे इस्तेमाल करूँ?

Google की सूची में दोनों की टोकन दरें एक जैसी हैं. लंबे वॉइसओवर के लिए 2.5 Pro TTS चुनें, जहाँ आवाज़ की स्पष्टता सबसे ज़रूरी हो; यह प्रति सेकंड कम ऑडियो टोकन भी गिनता है, 3.1 Flash TTS के 32 के मुकाबले 25, इसलिए एक मिनट की आवाज़ में कम टोकन लगते हैं. ऑडियो टैग, 70 से ज़्यादा भाषाओं और तेज़ जवाबों के लिए 3.1 Flash TTS चुनें. दोनों में एक ही रिक्वेस्ट काम करती है, इसलिए इनके बीच स्विच करने के लिए बस model बदलना होता है.

क्या Gemini 2.5 Pro TTS अब भी प्रीव्यू में है?

हाँ. Google ने इसे 20 मई, 2025 को प्रीव्यू में रिलीज़ 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-pro-preview-tts, के साथ-साथ gemini-2.5-pro-tts भी काम करती है.

क्या यह Google का Gemini 2.5 Pro TTS है?

हाँ. आपकी रिक्वेस्ट Google के Gemini 2.5 Pro TTS पर चलती हैं, और Zurelay उसकी जगह कोई दूसरा या छोटा मॉडल इस्तेमाल नहीं करता. हर कॉल पर आवाज़ नए सिरे से बनाई जाती है, इसलिए एक ही टेक्स्ट और आवाज़ का उच्चारण हर बार 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