模型详情
Gemini 2.5 Flash text-to-speech
Google 高效的语音合成模型强调低延迟、可控的语音风格以及可扩展的旁白或对话音频。
模型规格
- 模型 ID
-
gemini-2.5-flash-preview-tts
- 上下文长度
- 8.192K
- 最大输出
- 8.192K
- 输入/输出模态
- 发布日期
- 2025-05
02
API 端点
单一 MixRoute 网关，OpenAI 兼容
-
Gemini
/v1beta/models/{model}:generateContentPOST -
OpenAI-compatible
/v1/chat/completionsPOST
03
价格
固定费率，单位：/1M Tokens
输入
$0.5000 /1M Tokens
补全
$10.0000 /1M Tokens
05
选型摘要
快速判断是否适合你的工作负载
这个模型适合什么？
语音模型；输入：文本；输出：语音
Gemini 2.5 Flash text-to-speech 是语音模型。目前公开资料未列出 context window 与输出上限，建议以供应商文档为准。
使用前应检查什么？
确认规格、费率与可用性
采用 Gemini 2.5 Flash text-to-speech 前，标准输入费率为 $0.50／100 万 Token；知识库截止时间为 2025-01；发布于 2025-05-20。建议先以具有代表性的流量试跑，确认质量与延迟。
为什么通过 MixRoute 使用？
通过兼容端点以模型 ID 调用
通过 MixRoute 的兼容端点（/v1beta/models/{model}:generateContent）以模型 ID gemini-2.5-flash-preview-tts 调用。现有的兼容 SDK 只需调整 base URL 与模型标识符。
08
Token 成本估算
基于本页价格的实时估算，非实际账单
此模型没有缓存读取价格，不计算缓存费用
09
FAQ
Gemini 2.5 Flash 文本转语音：Google 高效的语音合成模型强调低延迟、可控的语音风格以及可扩展的旁白或对话音频。
单一端点，可验证的决策
使用相同的请求格式测试此模型和备用路由
从真实工作负载开始，再由质量、总成本和故障条件决定是否接入生产流量。