Voz
Texto para voz
Converta texto em voz natural com os modelos de síntese de voz do Gemini, através da API de voz da OpenAI: 30 vozes, um estilo descrito por palavras suas e áudio em MP3, WAV ou PCM em poucos segundos.
/v1/audio/speechGerar voz
from openai import OpenAIclient = 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")Qualquer SDK da OpenAI funciona: configure-o para usar https://api.zurelay.com/v1 e chame o respetivo método de síntese de voz. A resposta é o próprio ficheiro de áudio.
Parâmetros
modelstringobrigatório- Um ID de modelo de voz da tabela.
inputstringobrigatório- O texto a ler, até 5,000 caracteres. Divida textos mais longos por vários pedidos.
voicestring- Uma das 30 vozes abaixo ou um nome de voz da OpenAI, como
alloyounova. Por predefinição,Kore. instructionsstring- Como ler o texto, por palavras suas:
Say cheerfully,Whisper, like a secret,Read slowly, like a bedtime story. Até 2,000 caracteres. Não disponível no Gemini 3.8 Flash TTS, que lê o texto palavra por palavra: este modelo rejeita pedidos com instruções. response_formatstringmp3(a predefinição),wavoupcm: amostras em bruto a 24 kHz, 16-bit, mono.speednumber- Não suportado: indique o ritmo em
instructions. Apenas1é aceite. modelsarray- Encaminhamento inteligente para este pedido: outros modelos de voz a tentar, por ordem, se o modelo estiver indisponível. Consulte Encaminhamento inteligente.
Vozes
O código escrito para a OpenAI continua a funcionar: os nomes das suas vozes correspondem a vozes do Gemini com características semelhantes.
Estilo e ritmo
- Descreva a interpretação como se estivesse a orientar um ator de voz: tom, ritmo, volume, sotaque.
- Coloque as instruções em
instructionse apenas as palavras a dizer eminput, para que as instruções não sejam lidas em voz alta. - O idioma é detetado a partir do texto, por isso uma frase em espanhol é dita em espanhol.
- O Gemini 3.8 Flash TTS não aceita
instructions: lê todas as palavras deinputem voz alta. Insira as etiquetas vocais da Google no texto onde pretende o som, como<laugh>,<sigh>,<breath>ou<short pause>.
Custos da síntese de voz
A síntese de voz é faturada por tokens: o texto que envia ao preço de entrada e o áudio que recebe ao preço de saída. Cada segundo de áudio corresponde a um número fixo de tokens, indicado na tabela para cada modelo, pelo que a última coluna mostra o custo por minuto. Cada resposta indica a base de faturação nos cabeçalhos x-zurelay-input-tokens e x-zurelay-output-tokens, e todos os pedidos ficam no seu registo de pedidos. Os pedidos que falham não têm custo. A síntese de voz mantém o modelo que pediu, mesmo com o encaminhamento inteligente automático. Só as suas regras ou a lista models de um pedido podem fazer com que outro modelo de voz responda quando o modelo pedido está indisponível: x-zurelay-model identifica o modelo utilizado, e a faturação segue o preço desse modelo.
Experimente vozes e estilos no Área de testes do painel.
Tem dúvidas ou falta alguma coisa? Contacte a nossa equipa de apoio e responderemos por email, normalmente num minuto.