模型定位
Google Gemini 2.5 Pro 系列的預覽版文字轉語音模型,面向高品質、可控制的語音合成,適合處理較複雜的語音生成提示。(blog.google)
能力與用途
- 接收文字並生成音訊,支援單人語音和雙人對話。(aistudio.google.com)
- 可透過自然語言提示調整語音風格、語調、情緒、語速和發音;支援多語言語音生成。(blog.google)
- 可用於公告、故事朗讀、Podcast 和遊戲角色配音等場景。(blog.google)
限制與版本說明
- 該模型是 TTS 預覽模型,不應將其與支援即時語音對話的獨立 Live API 模型混同。目前模型文件列出文字輸入、音訊輸出,輸入上限為 8,192 token、輸出上限為 16,384 token;不支援 Live API、函式呼叫或上下文快取。這些是目前文件中不帶日期的 API ID 的規格,不一定代表 2025 年 5 月版本的全部原始規格。(aistudio.google.com)
- 本記錄的版本識別碼為
gemini-2.5-pro-preview-tts-05-2025;Google 2025 年 5 月 20 日的發布記錄使用的是 API IDgemini-2.5-pro-preview-tts,未將該日期後綴識別碼列為可呼叫的模型 ID。(aistudio.google.com) - Google 於 2025 年 12 月 10 日宣布升級版 TTS 模型將取代 5 月發布的模型;目前模型頁面將最近更新列為 2025 年 12 月。因此,不應將目前不帶日期的 API ID 的規格或價格直接視為可單獨呼叫的 2025 年 5 月快照的保證。(blog.google)
發布日期
2025 年 5 月 20 日。(aistudio.google.com)
價格
Google Gemini Developer API 官方定價,查詢日期:2026 年 11 月 18 日;幣別為美元(USD),單位均為每 100 萬 token:
- 標準請求:文字輸入 1.00 美元;音訊輸出 20.00 美元。
- Batch 批次處理:文字輸入 0.50 美元;音訊輸出 10.00 美元。
- 官方價格表對該模型的標準和 Batch 請求均標示免費層級不可用。上述價格適用於目前列出的
gemini-2.5-pro-preview-ttsAPI ID;2025 年 5 月特定版本的獨立歷史價格未經核實。(aistudio.google.com)