Семейство Gemini TTS
Модели синтеза речи Google Gemini вызываются через OpenAI-совместимый POST /v1/audio/speech; интонацию и стиль можно описать естественным языком.
google/gemini-3.8-flash-ttsgoogle/gemini-3.8-flash-lite-ttsНиже ценаВсе TTS-модели перечислены на странице моделей . Общие параметры эндпоинта описаны в разделе Audio Speech API.
Примеры вызова
Python
import os
from openai import OpenAI
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
with client.audio.speech.with_streaming_response.create(
model="google/gemini-3.8-flash-tts",
voice="Kore",
input="Сегодняшнее совещание перенесено на три часа дня, просьба не опаздывать.",
instructions="Читай спокойным, чётким тоном, как диктор новостей.",
response_format="wav",
) as resp:
resp.stream_to_file("speech.wav")Значения параметров
Если нужен mp3, получите wav и сконвертируйте его, например, с помощью ffmpeg: ffmpeg -i speech.wav speech.mp3.
Время генерации и длинные тексты
В наших тестах фраза на китайском длиной около 20 иероглифов возвращалась примерно за 3 секунды. Английский текст длиной около 6000 символов дал примерно 9 минут аудио, генерация заняла около 105 секунд, а wav-файл весил около 26 МБ; для длинных текстов установите таймаут клиента от 300 секунд или получайте аудио потоком через stream_format: "sse".
Распространённые ошибки
Другие ошибки — в разделе Audio Speech API.
Официальная документация
Часто задаваемые вопросы
Что указывать в voice для Gemini TTS?
Название голоса Google, например Kore, Puck, Zephyr; полный список — в официальной документации Gemini. voice обязателен, голоса OpenAI вроде alloy не подходят.
Может ли Gemini TTS выдавать mp3?
Нет, поддерживаются только wav и pcm (24 кГц, 16 бит, моно). Если нужен mp3, сконвертируйте файл самостоятельно, например: ffmpeg -i speech.wav speech.mp3.
Как управлять интонацией в Gemini TTS?
Опишите её естественным языком в параметре instructions, например «читай бодрым тоном» или «спокойно, как диктор новостей».
Gemini TTS возвращает ошибку voice is required — что делать?
Для Gemini TTS параметр voice обязателен, например "voice": "Kore".