Gemini 2.5 Flash Preview TTS
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto, áudio
- Níveis de raciocínio
- baixo, médio, alto
- Recursos
- raciocínio, chamada de funções
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(por 1K tokens)
Como funciona Gemini 2.5 Flash Preview TTS?
Perguntas frequentes sobre Gemini 2.5 Flash Preview TTS
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
Este é um modelo do Google para narração: ele gera áudio a partir de uma descrição em texto. É adequado para narrar vídeos e materiais educativos, podcasts, notificações e protótipos de interfaces de voz. Aceita texto, imagens e documentos como entrada, e sabe chamar funções e raciocinar antes de responder.
A geração de áudio, além de texto, é uma capacidade confirmada, mas não informaremos codecs, taxa de amostragem ou bitrate: não temos esses dados. Baseie-se nos limites do cabeçalho técnico: contexto de 200.000 tokens e até 32.000 tokens de saída por solicitação.
Sim, o modo de raciocínio do modelo está confirmado. Isso ajuda a analisar melhor textos longos e roteiros de narração: considerar a estrutura das falas, definir ênfases e pausas conforme o sentido, e seguir instruções de várias etapas. O raciocínio consome tokens de saída, portanto, tenha em mente o limite de 32.000.
Sim, a chamada de funções (function calling) e a saída estruturada em JSON são suportadas. O modelo pode ser integrado a um pipeline onde ele chama suas ferramentas e retorna um esquema previsível para processamento posterior. No BotHub, ele é conectado via uma API única compatível com OpenAI, portanto, mudar de modelo não exige reescrever a integração.
De acordo com nossos dados, além de texto, são aceitos imagens e documentos como entrada — por exemplo, um roteiro em PDF ou um layout de slide. Não temos informações sobre áudio e vídeo na entrada, então não afirmaremos nada: é mais fácil verificar na sua tarefa diretamente na interface.
Não temos dados sobre os idiomas de prompt e saída, por isso não prometeremos uma qualidade específica em russo — é mais seguro testar com seus próprios textos. No BotHub, isso pode ser feito imediatamente: interface em russo, pagamento com cartões russos em rublos, acesso sem VPN ou cartão estrangeiro.