Gemini 2.5 Flash TTS

功能说明

Gemini 2.5 Flash TTS 是 Gemini 提供方的文本转语音模型。你给它书面文本，它返回语音音频。在 Pipe2 上它运行于音频生成器流水线内，你可以从 70 多种语言的数十种声音中挑选，并附加引导语气、口音和节奏的风格指令。它被定位为更快更便宜的合成选项，面向草稿和短片段，而非长篇最终成品。

使用时机

• 运行音频生成器，把写好的脚本变成旁白或配音，无需自己录音。
• 反复打磨措辞：作为合成选项中更快更便宜的一档，它适合脚本仍在修改时的重复试听。
• 制作短片段（转场音、单句朗读、提示语）且希望快速拿到结果。
• 在投入更长的成品渲染前，先在 70 多种受支持语言中测试声音与语言的选择。
• 试用语气、口音和节奏的风格指令，听听表演指示如何改变朗读效果。

运行前须知

计费按生成的输出 token 计量（批发单位以约 1500 个输出 token 报价），因此成本随生成语音量增长。长脚本比短脚本贵，控制花费的实用做法是缩短文本，或把它切成更短的片段分别生成。输入是文本，再加上你在音频生成器中选择的声音和风格指令。更快更便宜这一档的代价是它针对草稿和短片段。若想查看它运行时使用的输入，Pipe2 上发布了一个完整示例。

又名

你可能会看到该模型被称为 Gemini 2.5 Flash Text-to-Speech、Gemini 2.5 Flash Preview TTS 或 gemini-2.5-flash-preview-tts；简称 "Gemini-TTS" 同样指它。