Generador de audio con IA — Gemini 3.8 TTS API

Crea tu primera narración

Escribe lo que quieres decir o escucha un ejemplo.

Completa para generar

Texto

Enter the exact words to speak; Gemini reads them as written. Add sounds or pauses where they happen in angle brackets, such as <laugh>, <sigh>, or <short pause>, and capitalize a word to stress it.

Funciona con

5 modelos

Google
- Gemini 3.8 Flash-Lite TTS
- Gemini 3.8 Flash TTS
MiniMax
- MiniMax Speech 2.8 Turbo
- MiniMax Speech 2.8 HD
ElevenLabs
- Eleven v4

Ejemplos

Audio

Gemini 3.8 Flash TTS

Conoce a Pyra: voz en off

Gemini 3.8 Flash TTS. La propia historia de Pyra, leída con una cálida voz de narrador: una voz en off lista para colocar en cualquier video.

Reproducir

Cómo usar Generador de audio

Una guía de decisión concisa para ubicar este pipeline en un flujo de trabajo.

Ideal para

Narraciones y locuciones en más de 70 idiomas
Texto a voz con control de estilo mediante lenguaje natural (p. ej. «habla con calidez», «susurra», «tono entusiasmado»)
Contenido con varias voces y decenas de timbres expresivos
Guiones multilingües cuyo idioma se detecta automáticamente a partir del texto

Consejos

Escribe la narración con frases cortas y claras para conseguir un ritmo más natural
Usa la puntuación para marcar las pausas: punto para una pausa completa, coma para una pausa breve y puntos suspensivos para una pausa más larga
Deja la voz en Auto para que la IA elija la que mejor encaje con el estilo, o selecciona una voz concreta si quieres mantener un personaje recurrente
Describe el estilo con naturalidad: «habla despacio y con dramatismo», «tono alegre y dinámico», «voz tranquila y reconfortante»

API de Generador de audio

Llama a este pipeline desde tu propio código. Una petición lanza una ejecución; el modelo es un campo de entrada, no un endpoint aparte.

Obtener un token de API

entradas: 5
obligatorio: 1
Precios: 0.002 to 40.0 créditos

Idioma

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Ejecutar un pipeline

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "audio-generator",
  input: {
    text: "Welcome back to the show. Today we're talking about something a little strange.",
    model: "gemini-3-8-flash-tts",
  },
});

pip install pipe2

Ejecutar un pipeline

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="audio-generator",
    input={
        "text": "Welcome back to the show. Today we're talking about something a little strange.",
        "model": "gemini-3-8-flash-tts",
    },
))

go get github.com/pipe2-ai/sdk-go

Ejecutar un pipeline

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "text": "Welcome back to the show. Today we're talking about something a little strange.",
  "model": "gemini-3-8-flash-tts"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "audio-generator", input)
if err != nil {
    log.Fatal(err)
}

brew install pipe2-ai/tap/pipe2

Ejecutar un pipeline

pipe2 pipelines run \
  --pipeline audio-generator \
  --input-json '{"text": "Welcome back to the show. Today we're talking about something a little strange.", "model": "gemini-3-8-flash-tts"}' \
  --wait

Por página

Entrada	Tipo	por defecto	Descripción
`text`obligatorio	string	por defecto—	Texto que se convertirá en voz.
`enhance_prompt`	boolean	por defectotrue	Mejora el prompt para el modelo seleccionado antes de generar. Desactívalo para enviar el prompt sin cambios.
`instructions`	string	por defecto—	Describe el tono, el acento, el ritmo y la emoción. La IA convertirá estas indicaciones en una descripción de estilo detallada.
`model`	enum	por defectogemini-3-8-flash-tts	Motor de voz que se utilizará. Déjalo en Auto para que Pipe2 elija el mejor disponible según tus indicaciones. gemini-3-8-flash-tts · gemini-3-8-flash-lite-tts · eleven-v4 +2 `gemini-3-8-flash-ttsgemini-3-8-flash-lite-ttseleven-v4minimax-speech-2-8-turbominimax-speech-2-8-hd`
`voice`	string	por defectoauto	Elige una de las voces disponibles o usa auto para que la IA decida.

Apunta cualquier cliente MCP a pipe2 y tu agente obtiene estas herramientas. Encuentra este pipeline, lee el mismo esquema de arriba y lo ejecuta.

list_pipelines
get_pipeline_schema
run_pipeline
get_pipeline_run_status
request_upload

https://mcp.pipe2.ai/mcp

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

Configuración de MCP

Referencia completa de la API Referencia de la CLI

Recetas que usan este pipeline

Ver todas las recetas

Pregunta del público → respuesta visual animada

Convierte tu respuesta aprobada y tu secuencia visual en un vídeo explicativo vertical con narración, vídeos de archivo, diagramas temporizados y subtítulos sincronizados.

6 pipelines un solo comando de CLI

Abrir receta
1. 1 Generador de audio
2. 2 Transcripción
3. 3 Búsqueda de metraje
4. 4 Montaje de vídeo
5. 5 Tarjeta de texto
6. 6 Subtítulos
Abrir receta

Artículos sobre este pipeline

Ver todos los artículos

Preguntas frecuentes

¿Qué voces están disponibles?

Hay decenas de voces expresivas, con timbres luminosos, graves, cálidos, firmes o dramáticos. Todas responden a instrucciones escritas con naturalidad para ajustar el tono y la interpretación.

¿Qué idiomas son compatibles?

Más de 70 idiomas con detección automática, desde lenguas mayoritarias como el inglés, el chino, el japonés y el español hasta otras regionales como el cebuano, el konkani y el luxemburgués.

¿Cómo funcionan las instrucciones?

Describe con tus propias palabras cómo quieres que suene la voz. Por ejemplo: «Un periodista británico de 40 años que habla despacio y hace pausas dramáticas en los puntos clave». La IA utiliza esa indicación para adaptar la interpretación vocal.

¿En qué formato de audio se genera el resultado?

En MP3, listo para descargar o usar como pista de narración en pipelines como Video Reel.

¿Qué modelo debería elegir?

Gemini 3.8 Flash-Lite TTS es la opción más rápida y económica, ideal para borradores y clips cortos. Gemini 3.8 Flash TTS ofrece narraciones con calidad de estudio en más de 130 idiomas. Eleven v4 es el más expresivo: ríe, suspira o susurra donde lo marques. MiniMax Speech 2.8 Turbo y HD son una alternativa rápida y otra de mayor fidelidad. Todos entregan un MP3 en segundos.

¿Cuántos créditos cuesta?

0.002 to 40.0 créditos, según el modelo y la longitud del texto. Los modelos Gemini cobran solo el audio que realmente generan. El audio estará listo en segundos.