Google
稼働中· 数分ごとに確認

Gemini 2.5 Pro TTS API

Gemini 2.5 Pro TTS APIなら、Googleのスタジオ品質のナレーションを30種類の音声と24言語で生成できます。価格はGoogleの定価より40%お得です。

テキスト・音声の1Mトークンあたりの料金40%割引
テキスト入力
$0.60$1.00
音声出力
$12.00$20.00
APIキーを取得Playgroundで試す
モデルIDgemini-2.5-pro-tts更新
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")

ベースURL https://api.zurelay.com/v1. どのOpenAI SDKにも対応しています。 音声APIドキュメント

声の種類
30種類、OpenAIの音声名にも対応
形式
MP3 · WAV · PCM
リクエストあたりのテキスト
最大5,000文字
1分の音声
$0.018について
リリース日
2025年5月20日
ステータス
稼働中

料金

Gemini 2.5 Pro TTSのAPI料金。 定価より大幅にお得です。

プリペイド残高からの従量課金で、サブスクリプションは不要です。$10からチャージできます。失敗したリクエストには課金されません。

料金ZurelayGoogleの定価
テキスト入力
1M トークンあたり
$0.60$1.00
音声出力
1M トークンあたり
$12.00$20.00

送信したテキストと生成された音声に課金されます。音声は1分あたり1,500トークンで、料金は1分あたり約$0.018です。失敗したリクエストには課金されません。

Text-to-speechのすべてのモデルと料金
節約額の計算

スライダーで月間使用量を設定してください。

月間入力トークン数50M
月間出力トークン数10M
Zurelay
$150.00
Googleの定価
$250.00
毎月の節約額$100.00

年間$1,200

料金

Gemini 2.5 Pro TTS の API コスト、計算しました。

代表的なワークロードでの Zurelay の実際の価格を、定価と並べて比較できます。

  • ボイスメッセージ

    約1分の音声。

    $0.018$0.03（定価）

  • ポッドキャスト1エピソード

    約30分の音声。

    $0.54$0.90（定価）

  • オーディオブック

    約10時間の音声。

    $10.80$18.00（定価）

概要

Gemini 2.5 Pro TTSとは？

Gemini 2.5 Pro TTSは、長文コンテンツやプロのナレーション向けに品質を重視したGoogleのテキスト読み上げモデルです。指定したトーンとペースで、テキストを30種類の音声と24言語で読み上げます。ZurelayのGemini 2.5 Pro TTS APIでは、OpenAI互換の音声エンドポイントからGoogleの定価より40%安く利用でき、音声1分あたり約$0.018です。

Googleは2025年5月20日にGemini 2.5 Flash TTSとともにGemini 2.5 Pro TTSをプレビュー公開し、2025年12月10日に改良版をリリースしました。Googleがスタジオ品質の音声を生成するプレミアムエンジンと位置づけるモデルで、明瞭な発声と自然な抑揚が求められる長文コンテンツ、プロのナレーション、複雑なクリエイティブ制作に適しています。ZurelayでのモデルIDはgemini-2.5-pro-ttsです。google/gemini-2.5-pro-ttsと、Google独自のIDであるgemini-2.5-pro-preview-ttsも使用できます。

Googleの12月のアップグレードで、より豊かな声のトーンと、スタイルを指定するプロンプトへの忠実度が向上しました。明るく前向きな話し方から、沈んだ真剣な話し方まで指定できます。また、強調する箇所ではゆっくり、興奮を表す箇所では速く読むなど、テキストに合わせてペースを調整し、明示的なペース指定にもより忠実に従います。テキストから言語を判別し、24言語で読み上げます。

Zurelayでは、OpenAI互換のエンドポイントPOST https://api.zurelay.com/v1/audio/speechから利用できます。入力は最大5,000文字で、Geminiの30種類の音声から1つを選び（デフォルトはKore。alloyやnovaなどのOpenAIの音声名も使用できます）、任意の指示文で話し方を指定できます。レスポンスは音声ファイルそのもので、デフォルトはMP3、WAVまたはraw PCMも選べます。Gemini 2.5 Flash TTSや3.1 Flash TTSより処理に時間がかかり、1文で数秒、1段落で30秒近くかかります。各リクエストで使える音声は1種類です。Google独自のAPIでは1回のリクエストで2人の対話も読み上げられますが、Zurelayでは対応していません。

音声の料金はGoogleのAPIと同様にトークン数で計算します。指示文を含む入力テキストは1Mトークンあたり$0.60、出力音声は1Mトークンあたり$12.00です。Gemini 2.5 Pro TTSでは音声1秒につき25オーディオトークン、1分につき1,500オーディオトークンを計上するため、1分あたり約$0.018に入力テキスト分を加えた料金になります。各レスポンスのx-zurelay-input-tokensとx-zurelay-output-tokensヘッダーで課金対象のトークン数を確認でき、すべてのリクエストはリクエストログに記録されます。失敗したリクエストには料金がかかりません。

強み

Gemini 2.5 Pro TTSが得意なこと。 チームでの活用例も紹介します。

01

スタジオ品質のナレーション

長文でも明瞭な発声と自然な抑揚を実現する、Googleのプレミアム音声エンジンです。

02

指定した話し方に忠実

2025年12月のアップグレード以降、明るく前向きな話し方から沈んだ真剣な話し方まで、指定したスタイルにより忠実に従います。

03

テキストに合ったペース

強調する箇所ではゆっくり、興奮を表す箇所では速く読むよう自動で調整し、明示的なペース指定にも忠実に従います。

04

24言語

テキストから言語を判別するため、別の市場向けのナレーションにも追加設定は不要です。

ユースケース

  • オーディオブックと長文の読み上げ

    1回のリクエストで最大5,000文字の章や記事を、長文でも明瞭な音声で読み上げます。

  • 講座とチュートリアル

    eラーニング教材、製品チュートリアル、解説コンテンツを、対応する24言語のいずれかで音声化できます。

  • キャラクターとストーリーテリング

    ゲームのキャラクターやドラマチックな語り手に、緊張した声から安堵した声へ変わるような演技を指定できます。

  • マーケティング用のナレーション

    広告原稿や動画のナレーションをブランドに合ったトーンで読み上げ、MP3またはWAVでダウンロードできます。

始める

3ステップでGemini 2.5 Pro TTSを呼び出せます。

ウェイトリストも新しいSDKも不要です。OpenAIに対応したコードなら、そのままZurelayでも使えます。

  1. 1

    キーを作成

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

    APIキーを取得
  2. 2

    Zurelayで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 を使う

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

    gemini-2.5-pro-tts

普段使っているツールに対応

比較

類似モデル。 すべて同じキーで使えます。

40%割引

Gemini 3.1 Flash TTS

1Mトークンあたり入力$0.60 / 出力$12.00

文の途中で話し方を変えるGoogleのオーディオタグ、70以上の言語、より速いレスポンスが必要なら、Gemini 3.1 Flash TTSをお選びください。

Gemini 3.1 Flash TTS API
40%割引

Gemini 2.5 Flash TTS

1Mトークンあたり入力$0.30 / 出力$6.00

アシスタントや大量のナレーションで、より速いレスポンスと低い音声1分あたりの料金を重視するなら、Gemini 2.5 Flash TTSをお選びください。

Gemini 2.5 Flash TTS API
40%割引

Gemini 3.8 Flash TTS

1Mトークンあたり入力$0.30 / 出力$5.40

GoogleのGemini 3.8 Flash TTS、定価より40%安い料金です。

Gemini 3.8 Flash TTS API

よくある質問

Gemini 2.5 Pro TTS APIについてよくある質問。

ほかにご質問はありますか？ チームに問い合わせると、メールでお答えします。

Gemini 2.5 Pro TTS APIの料金はいくらですか？

Zurelayの料金は、入力テキストが1Mトークンあたり$0.60、出力音声が1Mトークンあたり$12.00です。Googleの定価はそれぞれ$1.00と$20.00なので、40%お得です。Gemini 2.5 Pro TTSでは音声1秒につき25オーディオトークン、1分につき1,500オーディオトークンを計上するため、1分あたり約$0.018に入力テキスト分を加えた料金になります。失敗したリクエストには料金がかかりません。

OpenAI SDKからGemini 2.5 Pro TTSを呼び出すには？

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-pro-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 2.5 Pro TTSにはどんな音声がありますか？

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。

Gemini 2.5 Pro TTSの話し方とペースを指定するには？

instructionsに「明るく話して」「沈んだ真剣な声で」「寝かしつけの物語のようにゆっくり読んで」など、普通の言葉で指定します。Googleの2025年12月のアップグレードにより、モデルはスタイルを指定するプロンプトやペースの指示に、より正確に従うようになりました。instructionsには最大2,000文字を指定でき、その内容は読み上げられません。speedに指定できる値は1のみなので、ペースはinstructionsで指定してください。

Gemini 2.5 Pro TTSはどの言語を話せますか？

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。

Gemini 2.5 Pro TTSの音声形式とテキストの上限は？

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。

Gemini 2.5 Pro TTSで2人の会話を読み上げられますか？

Zurelayでは、1回のリクエストではできません。GoogleのAPIなら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1リクエストにつき1つの声で読み上げます。会話やポッドキャストを作る場合は、発話ごとに声を指定して生成し、順番につなげてください。結合にはraw PCMが最も簡単です。

Gemini 2.5 Pro TTSの生成にはどのくらい時間がかかりますか？

Flashモデルより時間がかかります。Zurelayでは、1文なら数秒、1段落なら30秒近くかかります。音声ファイル全体を1回のレスポンスで返すため、リアルタイムの会話より、事前に作成するナレーションに向いています。より速い応答には、Gemini 2.5 Flash TTSまたはGemini 3.1 Flash TTSを使用してください。

Gemini 2.5 Pro TTSとGemini 3.1 Flash TTS、どちらを使うべきですか？

Googleのトークン単価は両モデルで同じです。声の明瞭さを重視する長いナレーションには2.5 Pro TTSを選んでください。音声1秒あたりのトークン数も、3.1 Flash TTSの32に対して25と少なく、1分の音声に必要なトークンを抑えられます。音声タグ、70種類以上の言語、応答速度を重視するなら3.1 Flash TTSを選んでください。リクエスト形式は同じなので、modelを変更するだけで切り替えられます。

Gemini 2.5 Pro TTSはまだプレビュー版ですか？

はい。GoogleはMay 20, 2025にプレビュー版を公開し、December 10, 2025にアップグレードしました。提供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-pro-preview-ttsもgemini-2.5-pro-ttsと同様に使用できます。

これはGoogleのGemini 2.5 Pro TTSですか？

はい。リクエストはGoogleのGemini 2.5 Pro TTSで処理されます。Zurelayが別のモデルや小規模なモデルに置き換えることはありません。音声は呼び出すたびに新しく生成されるため、同じテキストと声でも読み上げ方は毎回少し異なります。Zurelayは独立したサービスであり、Googleとは提携していません。

Zurelayのその他のモデル

すべてのモデル

定価で払うのはもう終わり。
今日から節約を始めましょう。

数秒でキーを作成し、お使いのSDKをZurelayに接続するだけ。最初のトークンから、すべてのリクエストが最大90%安くなります。

APIキーを取得エンジニアに相談