Gemini 2.5 Flash TTS API

Zurelayの料金は、入力テキストが1Mトークンあたり$0.30、出力音声が1Mトークンあたり$6.00です。Googleの定価はそれぞれ$0.50と$10.00なので、40%お得です。Gemini 2.5 Flash TTSでは音声1秒あたり25音声トークン、1分あたり1,500トークンとして計算されるため、1分あたり約$0.009に送信テキストの料金が加わります。失敗したリクエストには料金がかかりません。

Zurelay の API キーを作成し、SDK のベース URL を https://api.zurelay.com/v1 に設定して、client.audio.speech.create を呼び出します。model に gemini-2.5-flash-tts、voice、input にテキストを指定し、必要に応じて instructions も指定してください。レスポンスは音声ファイルそのものです。Python では write_to_file で保存し、Node ではバイト列をファイルに書き込みます。先に音声やスタイルを試したい場合は、https://zurelay.com/app/playground の Playground にある Speech モードをご利用ください。

Geminiのプリセット音声30種類すべてに対応しています。Kore、Puck、Charon、Leda、Aoede、Sulafatなどがあり、デフォルトはKoreです。OpenAIの音声名も使え、似た特徴のGemini音声に対応付けられます。alloyはKore、novaはLeda、onyxはOrus、shimmerはCallirrhoeになります。https://zurelay.com/docs/speech の音声ドキュメントには、Googleによる各音声の特徴とともに全種類を掲載しています。

「明るく話して」「速く、はきはきと話して」「寝かしつけの物語のようにゆっくり読んで」など、普通の言葉でinstructionsに指定してください。GoogleによるDecember 2025のアップグレード以降、モデルはスタイルのプロンプトや明示的な速さの指示に、より忠実に従います。instructionsは最大2,000文字で、音声として読み上げられません。speedには1しか指定できないため、話す速さはinstructionsで伝えてください。

Googleが対応する言語は24種類です。言語設定はなく、テキストから言語を判定するため、スペイン語の文はスペイン語で読み上げます。70種類以上の言語が必要な場合は、同じリクエストでGemini 3.1 Flash TTSを使用してください。

1回のリクエストで指定できるのは、inputが最大5,000文字、instructionsが最大2,000文字です。長いテキストは複数のリクエストに分けてください。音声はデフォルトでMP3として返されます。response_formatにwavを指定するとWAV、pcmを指定すると24 kHz・16-bitモノラルの生データになります。Googleが公表するモデルの入力上限は8,192トークンです。Zurelayは音声を保存しないため、返されたファイルを保存してください。

Zurelayで利用できるGeminiの音声モデルの中で最速です。短い1文なら通常数秒、1段落なら約15秒で返ってきます。ファイル全体が1回の応答で届くため、音声アシスタントでは1文ずつ送信し、届いた順に再生してください。

Zurelayでは、1回のリクエストではできません。GoogleのAPIでは1回の呼び出しで1人または2人の声を生成できますが、Zurelayではリクエストごとに1つの声を使います。会話を作るには、セリフごとに声を指定して生成し、音声を順番につなげてください。結合にはraw PCMが最も簡単です。

料金の安さと短い応答の速さを重視するなら、2.5 Flash TTSを選んでください。Googleの定価は3.1 Flash TTSの半額です。文の途中で話し方を変えられる音声タグや、24言語ではなく70以上の言語が必要なら、3.1 Flash TTSを選んでください。どちらも同じリクエスト形式なので、切り替えるにはmodelを変更するだけです。

はい。GoogleはMay 20, 2025にプレビュー版をリリースし、December 10, 2025にアップグレードしました。終了日は発表されていません。Zurelayでは、GoogleのIDであるgemini-2.5-flash-preview-ttsも、gemini-2.5-flash-ttsと同様に使えます。

はい。リクエストはGoogleのGemini 2.5 Flash TTSで処理されます。Zurelayが別のモデルや小型モデルに差し替えることはありません。音声は呼び出しのたびに新しく生成されるため、同じテキストと声でも、毎回少しずつ読み方が変わります。Zurelayは独立したサービスであり、Googleとは提携していません。