Suara

Teks ke suara

Ubah teks menjadi suara alami dengan model teks ke suara Gemini, melalui API suara OpenAI: 30 pilihan suara, gaya bicara yang Anda jelaskan dengan kata-kata sederhana, dan hasil MP3, WAV, atau PCM dalam beberapa detik.

POST/v1/audio/speech
ModelIDInput teks, per 1M tokenOutput audio, per 1M tokenToken audio per detikSekitar satu menit
Gemini 3.8 Flash TTSgemini-3.8-flash-tts$0.30$5.4025$0.008
Gemini 3.1 Flash TTSgemini-3.1-flash-tts$0.60$12.0032$0.023
Gemini 2.5 Pro TTSgemini-2.5-pro-tts$0.60$12.0025$0.018
Gemini 2.5 Flash TTSgemini-2.5-flash-tts$0.30$6.0025$0.009

Buat suara

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-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")

SDK OpenAI apa pun bisa digunakan: arahkan ke https://api.zurelay.com/v1 dan panggil metode suaranya. Responsnya berupa file audio itu sendiri.

Parameter

modelstringwajib
ID model suara dari tabel.
inputstringwajib
Teks yang akan dibacakan, hingga 5,000 karakter. Bagi teks yang lebih panjang menjadi beberapa permintaan.
voicestring
Salah satu dari 30 suara di bawah, atau nama suara OpenAI seperti alloy atau nova. Default: Kore.
instructionsstring
Cara membacakannya, dengan kata-kata sederhana: Say cheerfully, Whisper, like a secret, Read slowly, like a bedtime story. Hingga 2,000 karakter. Tidak berlaku untuk Gemini 3.8 Flash TTS, yang membaca teks apa adanya: permintaan dengan instruksi akan ditolak oleh model tersebut.
response_formatstring
mp3 (default), wav, atau pcm: sampel mentah 24 kHz, 16-bit, mono.
speednumber
Tidak didukung: atur tempo melalui instructions sebagai gantinya. Hanya 1 yang diterima.
modelsarray
Perutean cerdas untuk permintaan ini: model suara lain yang dicoba secara berurutan jika model tidak tersedia. Lihat Perutean cerdas.
Audio dikirim setelah seluruhnya selesai dibuat. Berdasarkan pengukuran pada panjang maksimum (5,000 karakter): model Flash memerlukan sekitar satu menit, dan Gemini 2.5 Pro TTS sekitar lima setengah menit. Atur batas waktu klien HTTP Anda ke 10 menit (default SDK OpenAI), atau kirim teks panjang dalam beberapa bagian.

Pilihan suara

SuaraKarakter suaraSuaraKarakter suara
ZephyrCerahPuckCeria
CharonInformatifKoreTegas
FenrirAntusiasLedaMuda
OrusTegasAoedeSantai
CallirrhoeEasy-goingAutonoeCerah
EnceladusBerdesahIapetusHapus
UmbrielEasy-goingAlgiebaHalus
DespinaHalusErinomeHapus
AlgenibSerakRasalgethiInformatif
LaomedeiaCeriaAchernarLembut
AlnilamTegasSchedarStabil
GacruxDewasaPulcherrimaLugas
AchirdRamahZubenelgenubiSantai
VindemiatrixLembutSadachbiaBersemangat
SadaltagerBerwawasanSulafatHangat

Kode yang ditulis untuk OpenAI tetap berfungsi: nama suaranya dipetakan ke suara Gemini dengan karakter serupa.

Suara OpenAIBersuara sebagai
alloyKore
ashCharon
balladAlgieba
coralAoede
echoPuck
fableFenrir
novaLeda
onyxOrus
sageZephyr
shimmerCallirrhoe
verseUmbriel
marinDespina
cedarIapetus

Gaya dan tempo

  • Jelaskan cara penyampaiannya seperti saat memberi arahan kepada pengisi suara: suasana, tempo, volume, aksen.
  • Letakkan arahan di instructions dan hanya kata-kata yang akan diucapkan di input, agar arahan tidak ikut dibacakan.
  • Bahasa dikenali dari teks, jadi kalimat berbahasa Spanyol akan diucapkan dalam bahasa Spanyol.
  • Gemini 3.8 Flash TTS tidak menerima instructions: setiap kata di input akan dibacakan. Sisipkan tag vokal Google ke dalam teks di tempat suara tersebut diinginkan, seperti <laugh>, <sigh>, <breath> atau <short pause>.

Biaya suara

Biaya suara dihitung berdasarkan token: teks yang Anda kirim dikenakan harga input, dan audio yang Anda terima dikenakan harga output. Setiap detik audio setara dengan jumlah token tertentu, yang tercantum di tabel untuk tiap model, sehingga kolom terakhir menunjukkan biaya per menit. Setiap respons mencantumkan dasar penghitungan biayanya di header x-zurelay-input-tokens dan x-zurelay-output-tokens, dan setiap permintaan tercatat di log permintaan Anda. Permintaan yang gagal tidak dikenakan biaya. Suara tetap menggunakan model yang Anda minta, meski perutean cerdas otomatis aktif. Hanya aturan Anda sendiri atau daftar models dalam permintaan yang dapat mengalihkan respons ke model suara lain saat model tersebut tidak tersedia: x-zurelay-model menyebutkan model penggantinya, dan biaya dihitung sesuai harga model tersebut.

Audio tidak disimpan: simpan file yang Anda terima. Teks dan suara yang sama menghasilkan pembacaan yang sedikit berbeda setiap kali.

Coba berbagai suara dan gaya di Playground pada dasbor.

Ada pertanyaan, atau ada yang kurang? Tanyakan kepada tim dukungan kami dan kami akan menjawab lewat email, biasanya dalam satu menit.