模型定位
Gemini 2.5 Flash Preview TTS 是 Google 的預覽版文字轉語音模型,側重低延遲、性價比和可控語音生成。其輸入為文字,輸出為音訊。(aistudio.google.com)
能力與用途
- 可生成單人或雙人語音,並透過指令調整語音風格、口音和語速。(aistudio.google.com)
- 可用於旁白、有聲書、Podcast、對話內容及語音助理等場景。(aistudio.google.com)
限制與版本狀態
- 該模型是預覽版,不應與用於互動式音訊的 Live API 模型混同。目前模型文件列出的輸入上限為 8,192 token,輸出上限為 16,384 token;不支援 Live API、函式呼叫、上下文快取和程式碼執行等功能。(aistudio.google.com)
- 本條對應 2025 年 5 月發布版本。Google 於 2025 年 12 月 10 日宣布升級版將取代 5 月版本;目前同名 API ID 的文件標註最近更新為 2025 年 12 月,因此不能將目前介面視為仍固定指向 5 月版本。(blog.google)
價格
以下為 Gemini Developer API 目前公布的同名模型價格,幣別為美元(USD),查詢日期:2026 年 11 月 18 日;不能據此認定為 2025 年 5 月原版本的歷史價格。(aistudio.google.com)
- 標準模式,付費層:文字輸入每 100 萬 token 0.50 USD;音訊輸出每 100 萬 token 10.00 USD。標準免費層的輸入和輸出標為免費,具體配額及適用條件以官方頁面為準。
- 批次處理模式,付費層:定價頁面列出文字輸入每 100 萬 token 0.25 USD、音訊輸出每 100 萬 token 5.00 USD;免費層不提供。但模型詳情頁同時標註不支援 Batch API,官方頁面存在不一致,應在使用前核實實際可用性。 (aistudio.google.com)
發布日期與官方來源
- 發布日期:2025 年 5 月 20 日。Google Gemini API 發布紀錄明確列出該 API 模型及單人、雙人語音能力。(aistudio.google.com)
- Google I/O 開發者公告
- Google 模型詳情
- Google Gemini API 定價
- Google 2025 年 12 月 TTS 更新公告