Gemini 2.5 Flash TTS API

Zurelay mengenakan biaya $0.30 per 1M token teks masukan dan $6.00 per 1M token audio keluaran. Harga resmi Google adalah $0.50 dan $10.00, jadi Anda hemat 40%. Gemini 2.5 Flash TTS menghitung 25 token audio untuk setiap detik ucapan, atau 1,500 per menit, sehingga satu menit biayanya sekitar $0.009 ditambah biaya teks yang Anda kirim. Permintaan yang gagal tidak dikenai biaya.

Buat kunci API Zurelay, atur base URL SDK ke https://api.zurelay.com/v1, lalu panggil client.audio.speech.create dengan model diatur ke gemini-2.5-flash-tts, sebuah voice, teks Anda sebagai input, dan, jika perlu, instructions. Balasannya adalah file audio itu sendiri: simpan dengan write_to_file di Python, atau tulis byte-nya ke file di Node. Untuk mencoba suara dan gaya terlebih dahulu, gunakan mode Speech di Playground di https://zurelay.com/app/playground.

Semua 30 suara bawaan Gemini, seperti Kore, Puck, Charon, Leda, Aoede dan Sulafat, dengan Kore sebagai default. Nama suara OpenAI juga bisa digunakan dan dipetakan ke suara Gemini dengan karakter serupa: alloy menggunakan Kore, nova menggunakan Leda, onyx menggunakan Orus dan shimmer menggunakan Callirrhoe. Dokumentasi suara di https://zurelay.com/docs/speech mencantumkan setiap suara beserta karakter yang dijelaskan Google.

Jelaskan dalam instructions dengan bahasa sehari-hari: "Ucapkan dengan ceria", "Bicara dengan cepat dan riang" atau "Baca perlahan, seperti membacakan dongeng sebelum tidur". Sejak pembaruan Google pada Desember 2025, model ini lebih patuh pada prompt gaya dan instruksi tempo yang eksplisit. instructions dapat berisi hingga 2,000 karakter dan tidak dibacakan. speed hanya menerima 1, jadi tentukan tempo di instructions.

Google mencantumkan 24 bahasa yang didukung. Tidak ada pengaturan bahasa: bahasa dikenali dari teks, jadi kalimat berbahasa Spanyol akan dibacakan dalam bahasa Spanyol. Untuk lebih dari 70 bahasa, gunakan Gemini 3.1 Flash TTS dengan permintaan yang sama.

Setiap permintaan menerima hingga 5,000 karakter untuk input dan 2,000 untuk instructions; bagi teks yang lebih panjang menjadi beberapa permintaan. Audio dikembalikan dalam format MP3 secara default, atau atur response_format ke wav, atau ke pcm untuk sampel mentah 24 kHz, 16-bit mono. Google mencantumkan batas input model sebesar 8,192 token. Zurelay tidak menyimpan audio, jadi simpan file yang Anda terima.

Ini model suara Gemini tercepat di Zurelay: kalimat pendek biasanya selesai dalam beberapa detik dan satu paragraf dalam sekitar 15 detik. Seluruh file dikirim dalam satu respons, jadi untuk asisten suara, kirim satu kalimat per permintaan dan putar audionya begitu diterima.

Tidak dalam satu permintaan di Zurelay. API Google sendiri dapat menyuarakan satu atau dua pembicara dalam satu panggilan, tetapi Zurelay menggunakan satu suara untuk setiap permintaan. Untuk dialog, buat setiap baris dengan suara masing-masing, lalu gabungkan audionya sesuai urutan; PCM mentah paling mudah digabungkan.

Pilih 2.5 Flash TTS untuk biaya lebih rendah dan balasan pendek tercepat; harga resminya di Google separuh dari 3.1 Flash TTS. Pilih 3.1 Flash TTS untuk tag audio yang mengubah cara pengucapan di tengah kalimat, serta dukungan lebih dari 70 bahasa, bukan 24. Keduanya menerima format permintaan yang sama, jadi Anda cukup mengganti model untuk beralih.

Ya. Google merilisnya dalam tahap pratinjau pada 20 Mei 2025 dan memperbaruinya pada 10 Desember 2025. Google belum mengumumkan tanggal penghentian layanan. Di Zurelay, ID Google, gemini-2.5-flash-preview-tts, bisa digunakan selain gemini-2.5-flash-tts.

Ya. Permintaan Anda dijalankan pada Gemini 2.5 Flash TTS milik Google, dan Zurelay tidak menggantinya dengan model lain atau model yang lebih kecil. Audio dibuat ulang pada setiap panggilan, jadi teks dan suara yang sama menghasilkan pembacaan yang sedikit berbeda setiap kali. Zurelay adalah layanan independen dan tidak berafiliasi dengan Google.