Gemini 2.5 Pro 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)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-pro-preview-tts',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-pro-preview-tts',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Como funciona Gemini 2.5 Pro Preview TTS?
Perguntas frequentes sobre Gemini 2.5 Pro 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.
O Gemini 2.5 Pro Preview TTS sintetiza fala: recebe texto, bem como imagens e documentos, e gera áudio. É adequado para narração de vídeos e podcasts, versões em áudio de artigos e instruções, e respostas de voz em aplicativos. Acesso a partir da Rússia sem VPN ou cartão estrangeiro.
Os parâmetros técnicos da faixa, formato e taxa de bits não estão registrados em nossos dados, por isso não podemos fornecer números exatos: é mais fácil verificar com uma solicitação de teste. Outra coisa é conhecida: o modelo aceita até 200 mil tokens de contexto e retorna até 32 mil tokens na resposta, então um roteiro longo pode ser enviado na íntegra.
Sim, o raciocínio antes da resposta é confirmado no modelo. Na prática, isso ajuda a entender a estrutura de um texto longo ou ambíguo antes da narração: onde fazer uma pausa significativa, qual fragmento destacar, como ler uma abreviação ou registro numérico. Para roteiros complexos, isso é mais importante do que a velocidade.
Sim, ambos são suportados: o modelo consegue chamar funções e fornecer JSON estruturado, por isso é conveniente integrá-lo em pipelines e serviços prontos. No BotHub, o acesso é feito através de uma API única compatível com OpenAI, portanto, o modelo pode ser alternado sem reescrever a integração.
O modelo aceita imagens e documentos como entrada, isso é confirmado pelos nossos dados, então você pode enviar, por exemplo, um PDF com um roteiro. Sobre áudio e vídeo na entrada, não temos registros: não negamos, mas também não prometemos, verifique com uma solicitação de teste.
Não há medições separadas para o idioma russo em nossos dados, por isso não daremos avaliações: é mais confiável executar seu próprio texto real e ouvir o resultado. O próprio BotHub é em russo, com interface, suporte e pagamento com cartões russos em rublos, sem necessidade de VPN ou cartão estrangeiro.