Gemini 2.5 Pro TTS API

A Zurelay cobra $0.60 por 1M tokens de texto de entrada e $12.00 por 1M tokens de áudio de saída. O preço de tabela da Google é de $1.00 e $20.00, pelo que poupa 40%. O Gemini 2.5 Pro TTS contabiliza 25 tokens de áudio por segundo de voz, 1,500 por minuto, pelo que um minuto custa cerca de $0.018, mais o texto enviado. Os pedidos que falham não têm custos.

Crie uma chave de API da Zurelay, defina o URL base do SDK como https://api.zurelay.com/v1 e chame client.audio.speech.create com model definido como gemini-2.5-pro-tts, uma voz, o seu texto como input e, se quiser, instructions. A resposta é o próprio ficheiro de áudio: guarde-o com write_to_file em Python ou escreva os respetivos bytes num ficheiro em Node. Para experimentar primeiro vozes e estilos, use o modo Speech no Playground em https://zurelay.com/app/playground.

Todas as 30 vozes predefinidas do Gemini, como Kore, Puck, Charon, Leda, Aoede e Sulafat, com Kore como predefinição. Os nomes de vozes da OpenAI também funcionam e correspondem a uma voz do Gemini com características semelhantes: alloy usa Kore, nova usa Leda, onyx usa Orus e shimmer usa Callirrhoe. A documentação de síntese de voz em https://zurelay.com/docs/speech apresenta todas as vozes com as características que a Google lhes atribui.

Descreva-os no campo instructions, em linguagem corrente: "Fale com alegria", "Use um tom sombrio e sério" ou "Leia devagar, como uma história de embalar". A atualização de dezembro de 2025 da Google fez com que o modelo seguisse as instruções de estilo com muito mais fidelidade e as de ritmo com maior precisão. As instruções podem ter até 2,000 caracteres e não são lidas em voz alta. O parâmetro speed só aceita 1, por isso indique o ritmo no campo instructions.

A Google indica 24 idiomas suportados. Não há uma definição de idioma: este é detetado a partir do texto, pelo que uma frase em espanhol é lida em espanhol. Para mais de 70 idiomas, use o Gemini 3.1 Flash TTS com o mesmo pedido.

Cada pedido aceita até 5,000 caracteres em input e 2,000 em instructions; divida os textos mais longos por vários pedidos. O áudio é devolvido em MP3 por predefinição, mas pode definir response_format como wav ou como pcm para obter amostras PCM em bruto a 24 kHz, de 16-bit e em mono. A Google indica um limite de entrada de 8,192 tokens para o modelo. A Zurelay não guarda o áudio, por isso guarde o ficheiro que receber.

Não num único pedido na Zurelay. A API da Google permite dar voz a um ou dois interlocutores numa única chamada, mas a Zurelay usa uma só voz por pedido. Para um diálogo ou podcast, gere cada fala com a respetiva voz e junte os áudios pela ordem certa; o PCM sem processamento é o formato mais simples de juntar.

Mais do que os modelos Flash: na Zurelay, uma frase demora vários segundos e um parágrafo demora perto de meio minuto. O ficheiro completo é devolvido numa única resposta, pelo que é mais adequado para narração preparada com antecedência do que para conversas em direto. Para respostas mais rápidas, use o Gemini 2.5 Flash TTS ou o Gemini 3.1 Flash TTS.

A Google apresenta os mesmos preços por token para ambos. Escolha o 2.5 Pro TTS para narrações longas em que a clareza da voz é o mais importante; também contabiliza menos tokens de áudio por segundo, 25 face aos 32 do 3.1 Flash TTS, pelo que um minuto de fala consome menos tokens. Escolha o 3.1 Flash TTS para etiquetas de áudio, mais de 70 idiomas e respostas mais rápidas. Ambos aceitam o mesmo pedido, por isso basta alterar o campo model para mudar de modelo.

Sim. A Google lançou-o em pré-visualização a 20 de maio de 2025 e atualizou-o a 10 de dezembro de 2025. A Google não anunciou uma data de desativação. Na Zurelay, o ID da Google, gemini-2.5-pro-preview-tts, funciona tal como gemini-2.5-pro-tts.

Sim. Os seus pedidos são processados pelo Gemini 2.5 Pro TTS da Google, e a Zurelay não o substitui por um modelo diferente ou mais pequeno. O áudio é gerado de novo em cada chamada, pelo que o mesmo texto e a mesma voz produzem uma leitura ligeiramente diferente de cada vez. A Zurelay é um serviço independente e não tem afiliação com a Google.