モデルの位置付け
Google Gemini 2.5 Pro シリーズのプレビュー版テキスト音声合成モデル。高品質で制御可能な音声合成を目的としており、比較的複雑な音声生成プロンプトの処理に適している。(blog.google)
機能と用途
- テキストを受け取り、音声を生成する。単一話者の音声と二人の対話をサポートする。(aistudio.google.com)
- 自然言語のプロンプトを通じて、音声のスタイル、イントネーション、感情、話速、発音を調整できる。多言語での音声生成をサポートする。(blog.google)
- アナウンス、物語の朗読、ポッドキャスト、ゲームキャラクターの吹き替えなどの場面で利用できる。(blog.google)
制限とバージョンに関する説明
- このモデルは TTS プレビューモデルであり、リアルタイムの音声対話をサポートする独立した Live API モデルと混同すべきではない。現在のモデルドキュメントには、テキスト入力、音声出力、入力上限 8,192 token、出力上限 16,384 token と記載されている。Live API、関数呼び出し、コンテキストキャッシュはサポートしていない。これらは現在のドキュメントに記載された日付なしの API ID の仕様であり、2025 年 5 月版の当初の仕様すべてを表しているとは限らない。(aistudio.google.com)
- 本記録のバージョン識別子は
gemini-2.5-pro-preview-tts-05-2025である。Google の 2025 年 5 月 20 日のリリース記録で使用されている API ID はgemini-2.5-pro-preview-ttsであり、日付の接尾辞が付いたこの識別子は呼び出し可能なモデル ID として記載されていない。(aistudio.google.com) - Google は 2025 年 12 月 10 日、アップグレード版 TTS モデルが 5 月にリリースされたモデルに取って代わると発表した。現在のモデルページでは、最終更新が 2025 年 12 月と記載されている。したがって、現在の日付なしの API ID の仕様や価格を、単独で呼び出し可能な 2025 年 5 月のスナップショットについての保証と直接みなすべきではない。(blog.google)
リリース日
2025 年 5 月 20 日。(aistudio.google.com)
価格
Google Gemini Developer API の公式料金。照会日:2026 年 11 月 18 日。通貨は米ドル(USD)、単位はいずれも 100 万 token 当たり:
- 標準リクエスト:テキスト入力 1.00 米ドル、音声出力 20.00 米ドル。
- Batch バッチ処理:テキスト入力 0.50 米ドル、音声出力 10.00 米ドル。
- 公式料金表では、このモデルの標準リクエストと Batch リクエストはいずれも無料枠を利用できないと示されている。上記の価格は、現在掲載されている
gemini-2.5-pro-preview-ttsAPI ID に適用される。2025 年 5 月の特定バージョンに固有の過去の価格は未確認。(aistudio.google.com)