模型定位
Gemini 2.5 Flash Preview TTS 是 Google 的预览版文本转语音模型,侧重低延迟、性价比和可控语音生成。其输入为文本,输出为音频。(aistudio.google.com)
能力与用途
- 可生成单人或双人语音,并通过指令调整语音风格、口音和语速。(aistudio.google.com)
- 可用于旁白、有声读物、播客、对话内容及语音助手等场景。(aistudio.google.com)
限制与版本状态
- 该模型是预览版,不应与用于交互式音频的 Live API 模型混同。当前模型文档列出的输入上限为 8,192 token,输出上限为 16,384 token;不支持 Live API、函数调用、上下文缓存和代码执行等功能。(aistudio.google.com)
- 本条对应 2025 年 5 月发布版本。Google 于 2025 年 12 月 10 日宣布升级版将替换 5 月版本;当前同名 API ID 的文档标注最近更新为 2025 年 12 月,因此不能将当前接口视为仍固定指向 5 月版本。(blog.google)
价格
以下为 Gemini Developer API 当前公布的同名模型价格,币种为美元(USD),查询日期:2026 年 11 月 18 日;不能据此认定为 2025 年 5 月原版本的历史价格。(aistudio.google.com)
- 标准模式,付费层:文本输入每 100 万 token 0.50 USD;音频输出每 100 万 token 10.00 USD。标准免费层的输入和输出标为免费,具体配额及适用条件以官方页面为准。
- 批处理模式,付费层:定价页面列出文本输入每 100 万 token 0.25 USD、音频输出每 100 万 token 5.00 USD;免费层不提供。但模型详情页同时标注不支持 Batch API,官方页面存在不一致,应在使用前核实实际可用性。 (aistudio.google.com)
发布日期与官方来源
- 发布日期:2025 年 5 月 20 日。Google Gemini API 发布记录明确列出该 API 模型及单人、双人语音能力。(aistudio.google.com)
- Google I/O 开发者公告
- Google 模型详情
- Google Gemini API 定价
- Google 2025 年 12 月 TTS 更新公告