模型定位
Google Gemini 2.5 Pro 系列的预览版文本转语音模型,面向高质量、可控制的语音合成,适合处理较复杂的语音生成提示。(blog.google)
能力与用途
- 接收文本并生成音频,支持单人语音和双人对话。(aistudio.google.com)
- 可通过自然语言提示调整语音风格、语调、情绪、语速和发音;支持多语言语音生成。(blog.google)
- 可用于公告、故事朗读、播客和游戏角色配音等场景。(blog.google)
限制与版本说明
- 该模型是 TTS 预览模型,不应将其与支持实时语音对话的独立 Live API 模型混同。当前模型文档列出文本输入、音频输出,输入上限为 8,192 token、输出上限为 16,384 token;不支持 Live API、函数调用或上下文缓存。这些是当前文档中不带日期的 API ID 的规格,不一定代表 2025 年 5 月版本的全部原始规格。(aistudio.google.com)
- 本记录的版本标识为
gemini-2.5-pro-preview-tts-05-2025;Google 2025 年 5 月 20 日的发布记录使用的是 API IDgemini-2.5-pro-preview-tts,未将该日期后缀标识列为可调用的模型 ID。(aistudio.google.com) - Google 于 2025 年 12 月 10 日宣布升级版 TTS 模型将替换 5 月发布的模型;当前模型页面将最近更新列为 2025 年 12 月。因此,不应将当前不带日期的 API ID 的规格或价格直接视为可单独调用的 2025 年 5 月快照的保证。(blog.google)
发布日期
2025 年 5 月 20 日。(aistudio.google.com)
价格
Google Gemini Developer API 官方定价,查询日期:2026 年 11 月 18 日;币种为美元(USD),单位均为每 100 万 token:
- 标准请求:文本输入 1.00 美元;音频输出 20.00 美元。
- Batch 批处理:文本输入 0.50 美元;音频输出 10.00 美元。
- 官方价格表对该模型的标准和 Batch 请求均标示免费层不可用。上述价格适用于当前列出的
gemini-2.5-pro-preview-ttsAPI ID;2025 年 5 月特定版本的独立历史价格未核实。(aistudio.google.com)