Google Gemini TTS

1. 概述

Gemini API 可以使用原生文字转语音 (TTS) 生成功能将文本输入转换为单人或多人音频。文字转语音 (TTS) 生成是可控的，这意味着您可以使用自然语言来构建互动，并引导音频的风格、口音、节奏和音调。

目前gemini的tts模型仍处于preview阶段。

模型列表：

• gemini-2.5-flash-preview-tts

• gemini-2.5-pro-preview-tts

2. 请求说明

• 请求方法:POST

• 请求地址:

  https://gateway.theturbo.ai/v1/audio/speech

---

3. 请求参数

3.1 Header 参数

参数名称	类型	必填	说明	示例值
Content-Type	string	是	设置请求头类型，必须为 application/json	application/json
Authorization	string	是	身份验证所需的 API_KEY，格式 Bearer $YOUR_API_KEY	Bearer $YOUR_API_KEY

---

3.2 Body 参数 (application/json)

参数名称	类型	必填	说明	示例（默认值）
model	string	是	要使用的模型 ID。详见概述列出的可用版本，如 gemini-2.5-flash-preview-tts。	gemini-2.5-flash-preview-tts
input	string	是	用于生成音频的文本，上下文窗口限制为3.2 万token 。	hello, what's your name?
voice	string	否	用于生成音频的语音类型。支持：Zephyr Puck Charon Kore Fenrir Leda Orus Aoede Callirrhoe等（官网详细列表）。	Kore
response_format	string	否	音频的输出格式。目前只支持 pcm。	pcm

---

4. 请求示例

POST /v1/audio/speech
Content-Type: application/json
Authorization: Bearer $YOUR_API_KEY

{
	"model": "gemini-2.5-flash-preview-tts",
	"input": "hello, what's your name?",
	"voice": "Kore"
}

5. 响应示例

HTTP/1.1 200 OK
Content-Type: audio/L16;codec=pcm;rate=24000

音频pcm文件