Gerador de Voz com IA — Gemini 3.8 TTS API

Crie sua primeira narração

Escreva o que quer dizer ou ouça um exemplo.

Preencha para gerar

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 com

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

Exemplos

Áudio

Gemini 3.8 Flash TTS

Conheça a Pyra: locução

Gemini 3.8 Flash TTS. A própria história da Pyra, lida com uma voz calorosa de narrador: uma locução pronta para entrar em qualquer vídeo.

Reproduzir

Como usar Gerador de Voz

Um guia de decisão conciso para posicionar este pipeline em um fluxo de trabalho.

Ideal para

Narração e locução em mais de 70 idiomas
Conversão de texto em fala com controle de estilo em linguagem natural (ex.: 'fale com acolhimento', 'sussurre', 'tom animado')
Conteúdo com várias vozes, usando dezenas de vozes expressivas
Roteiros multilíngues, o idioma é detectado automaticamente a partir do texto

Dicas

Escreva a narração em frases curtas e claras para um ritmo melhor
Use a pontuação para controlar as pausas: pontos finais para paradas completas, vírgulas para pausas breves, reticências para pausas longas
Deixe a voz em Automático e a IA escolhe uma que combine com as instruções de estilo, ou fixe uma voz específica se quiser um personagem recorrente
Use dicas de estilo em linguagem natural: 'fale devagar e de forma dramática', 'alegre e animado', 'calmo e tranquilizador'

API do Gerador de Voz

Chame este pipeline a partir do seu próprio código. Um pedido lança uma execução; o modelo é um campo de entrada, não um endpoint separado.

Obter um token de API

entradas: 5
obrigatório: 1
Preços: 0.002 to 40.0 créditos

Idioma

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Executar um 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

Executar um 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

Executar um 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

Executar um 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	predefinição	Descrição
`text`obrigatório	string	predefinição—	Texto a converter em fala.
`enhance_prompt`	boolean	predefiniçãotrue	Melhora o prompt para o modelo selecionado antes da geração. Desative para enviar o prompt sem alterações.
`instructions`	string	predefinição—	Descreva tom, sotaque, ritmo e emoção. A IA transforma essas orientações em instruções detalhadas de interpretação.
`model`	enum	predefiniçãogemini-3-8-flash-tts	Modelo de voz a usar. Deixe em branco para que a Pipe2 escolha a voz disponível mais adequada às suas instruções. 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	predefiniçãoauto	Nome da voz entre dezenas disponíveis, ou auto para a IA escolher.

Aponte qualquer cliente MCP para o pipe2 e o seu agente ganha estas ferramentas. Ele encontra este pipeline, lê o mesmo esquema acima e executa-o.

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" }
    }
  }
}

Configuração de MCP

Referência completa da API Referência da CLI

Receitas que usam este pipeline

Ver todas as receitas

Pergunta do público → resposta visual animada

Transforme sua resposta aprovada e sua sequência visual em um vídeo explicativo vertical com narração, vídeos de banco, diagramas temporizados e legendas sincronizadas.

6 pipelines um comando de CLI

Abrir receita
1. 1 Gerador de Voz
2. 2 Transcrição
3. 3 Busca de Vídeos
4. 4 Montagem de Vídeo
5. 5 Cartela de Texto
6. 6 Legendas
Abrir receita

Artigos sobre este pipeline

Ver todos os artigos

Perguntas frequentes

Quais vozes estão disponíveis?

Dezenas de vozes expressivas, abrangendo personagens vibrantes, graves, acolhedores, firmes e dramáticos. Cada uma responde a instruções de estilo em linguagem comum para tom e interpretação.

Quais idiomas são suportados?

Mais de 70 idiomas com detecção automática. De idiomas principais como inglês, chinês, japonês e espanhol a idiomas regionais como cebuano, concani e luxemburguês.

Como funcionam as instruções?

Descreva em linguagem comum como você quer que a voz soe. Por exemplo: 'Um jornalista britânico de 40 anos, falando devagar com pausas dramáticas nos pontos-chave.' A IA interpreta a sua direção e cria a performance vocal.

Qual é o formato de áudio do resultado?

Um arquivo MP3, pronto para baixar ou usar como faixa de narração no Video Reel.

Qual modelo devo escolher?

O Gemini 3.8 Flash-Lite TTS é o mais rápido e barato, ideal para rascunhos e clipes curtos. O Gemini 3.8 Flash TTS oferece narração com qualidade de estúdio em mais de 130 idiomas. O Eleven v4 é o mais expressivo: ri, suspira ou sussurra onde você marcar. O MiniMax Speech 2.8 Turbo e o HD são uma alternativa rápida e outra de maior fidelidade. Todos entregam um MP3 em segundos.

Quantos créditos custa?

0.002 to 40.0 créditos, dependendo do modelo e do tamanho do texto. Os modelos Gemini cobram apenas pelo áudio realmente gerado. Os resultados ficam prontos em segundos.