Google · تبدیل متن به گفتار

gemini-2.5-flash-preview-tts API

gemini-2.5-flash-preview-tts از Google سرویس صوتی کاتالوگ است. تبدیل متن به گفتار و تشخیص گفتار دو کار متفاوت‌اند؛ پیش از اتصال، نوع کار و قالب صوت مجاز را بررسی کنید.

در حال آماده‌سازی

نوع سرویس

سقف نرخ واحد، تومان47,878

1 درخواست · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.

تعرفه در آغاز درخواست تثبیت می‌شود. مبلغ نهایی مصرف بر پایهٔ مصرف گزارش‌شده محاسبه می‌شود.

شناسهٔ مدل در API
gapgpt-gemini-25-flash-preview-tts-4a31ca2be6
سازندهٔ مدل
Google
نوع سرویس
تبدیل متن به گفتار
وضعیت فعلی ارائه
در حال آماده‌سازی

امکانات مدل

قابلیت اضافه‌ای برای مسیر فعلی این مدل تأیید نشده است.

مدل gemini-2.5-flash-preview-tts چیست؟

برای استفاده از gemini-2.5-flash-preview-tts در سرورنت، شناسهٔ عمومی gapgpt-gemini-25-flash-preview-tts-4a31ca2be6 را ارسال کنید. درگاه با این شناسه مسیر تنظیم‌شده را انتخاب می‌کند؛ سازندهٔ مدل Google است.

برای gemini-2.5-flash-preview-tts، درخواست را با قرارداد ورودی متنی درگاه تطبیق دهید. امکانات API اختصاصی Gemini ممکن است به اتصال دیگری نیاز داشته باشند.

کاربردهای gemini-2.5-flash-preview-tts

  • بررسی کنید gemini-2.5-flash-preview-tts گفتار تولید می‌کند یا صوت را به متن تبدیل می‌کند.
  • کیفیت تلفظ یا رونویسی را با نمونهٔ واقعی ارزیابی کنید.
  • مدت صوت، قالب خروجی و صداها یا زبان‌های موردنیاز برنامه را بررسی کنید.

طراحی اتصال به مدل

اجرای صوت به محدودیت صریح متن یا فایل و مسیر اختصاصی تأییدشده نیاز دارد. پس از ارائه، از مسیر مستند استفاده کنید؛ درخواست چت متنی کار صوتی انجام نمی‌دهد.

ورودی‌ها و محدودیت‌های سرویس

حد نویسه، مدت و تولید در مدل‌های صوت متفاوت است. شرطی‌سازی صدا و صوت بارگذاری‌شده ممکن است مصرف اضافه داشته باشند. زبان و صدای مجاز باید از قرارداد تأییدشدهٔ مدل گرفته شوند.

تصویر، صوت، ویدئو و سرویس‌های اختصاصی ممکن است واحدهای هزینهٔ متفاوتی داشته باشند. تعرفهٔ توکن جایگزین معتبر آن‌ها نیست. فروش پس از تأیید مسیر اجرا و سقف قابل‌اندازه‌گیری مصرف باز می‌شود.

پارامترهای مجاز API سرورنت

تاریخ قرارداد درخواست درگاه: 2026-10-11. این فیلدها و پیش‌فرض‌ها در /v1/inference کنترل می‌شوند؛ وضعیت ارائه در بالای صفحه مشخص است. حد بایت متن بر پایهٔ بایت‌های UTF-8 اندازه‌گیری می‌شود.

پارامترنوع دادهاجباریمحدودیت اعلام‌شده
inputstringبله
حداقل طول: 1
حداکثر طول: 4096
حداکثر بایت UTF-8: 4096
voicestringخیر
پیش‌فرض: Kore
مقادیر: Kore, Puck, Charon, Fenrir, Aoede, Leda, Orus, Zephyr
max_output_tokensintegerخیر
حداقل: 32
حداکثر: 2048
پیش‌فرض: 2048

اتصال به API مدل gemini-2.5-flash-preview-tts

مجوز ai:native را روی کلید و ai:models:read را برای بررسی موجودی فعال کنید. SERVERNET_API_KEY را در محیط سرور نگه دارید. برای هر درخواست تازه، کلید تکرارناپذیری را عوض کنید؛ فقط هنگام تکرار همان درخواست، آن را ثابت نگه دارید.

این نمونه، قالب درخواست را نشان می‌دهد. اجرای آن را به زمانی موکول کنید که شناسهٔ مدل در GET /v1/models موجود باشد.

curl https://servernet.cloud/v1/inference \
  -H "Authorization: Bearer $SERVERNET_API_KEY" \
  -H 'Content-Type: application/json' \
  -H 'Idempotency-Key: CHANGE_FOR_EACH_NEW_REQUEST' \
  -d '{
    "model": "gapgpt-gemini-25-flash-preview-tts-4a31ca2be6",
    "voice": "Kore",
    "max_output_tokens": 2048,
    "input": "Hello from ServerNet"
}'

برای تلاش مجدد همان درخواست، Idempotency-Key ثابت بفرستید. پاسخ موفق تا ۲۴ ساعت بدون کسر دوباره بازپخش می‌شود. با x-should-retry:false درخواست را خودکار تکرار نکنید. کلید فقط یک بار نمایش داده می‌شود. آن را در متغیر محیطی سرور نگه دارید و در کد مرورگر، گیت‌هاب یا لاگ قرار ندهید.

کلیدها، بودجه و گزارش مصرف

پرسش‌های متداول

آیا gemini-2.5-flash-preview-tts در سرورنت قابل استفاده است؟

gemini-2.5-flash-preview-tts فعلاً برای مصرف API در دسترس نیست. ثبت در کاتالوگ، دسترسی یا هزینه‌کرد را فعال نمی‌کند. یک مدل مرتبطِ قابل استفاده انتخاب کنید یا پس از تأیید مسیر دوباره این صفحه را بررسی کنید.

برای gemini-2.5-flash-preview-tts از چه شناسه و مسیری استفاده کنم؟

این مدل به مسیر اجرای اختصاصی نیاز دارد. نمونهٔ چت، امبدینگ یا بازرتبه‌بندی، کار معرفی‌شده را انجام نمی‌دهد. تا آماده‌شدن مسیر و محاسبهٔ مصرف، صفحه مرجع کاتالوگ است.

هزینهٔ مصرف gemini-2.5-flash-preview-tts چگونه محاسبه می‌شود؟

تصویر، صوت، ویدئو و سرویس‌های اختصاصی ممکن است واحدهای هزینهٔ متفاوتی داشته باشند. تعرفهٔ توکن جایگزین معتبر آن‌ها نیست. فروش پس از تأیید مسیر اجرا و سقف قابل‌اندازه‌گیری مصرف باز می‌شود.

پیش از استفادهٔ عملیاتی از gemini-2.5-flash-preview-tts چه چیزهایی را بررسی کنم؟

حد نویسه، مدت و تولید در مدل‌های صوت متفاوت است. شرطی‌سازی صدا و صوت بارگذاری‌شده ممکن است مصرف اضافه داشته باشند. زبان و صدای مجاز باید از قرارداد تأییدشدهٔ مدل گرفته شوند.

مقایسه با مدل‌های همین کاربرد

Audio8

Audio8-TTS-Preview-0.6b

قابل استفاده صوت
سقف نرخ واحد، تومان1,426
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
ResembleAI

chatterbox-multilingual

قابل استفاده صوت
سقف نرخ واحد، تومان286
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
ResembleAI

chatterbox-turbo

قابل استفاده صوت
سقف نرخ واحد، تومان286
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
sesame

csm-1b

قابل استفاده صوت
سقف نرخ واحد، تومان1,997
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
bosonai

HiggsAudioV2.5

قابل استفاده صوت
سقف نرخ واحد، تومان5,703
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
hexgrad

Kokoro-82M

قابل استفاده صوت
سقف نرخ واحد، تومان283
1000 نویسه‌های ورودی · مبلغ نهایی مصرف بر پایهٔ نتیجهٔ گزارش‌شده و گزینه‌های مجاز درخواست محاسبه می‌شود.
فقط مدل‌های «قابل استفاده» در فهرست API ارائه می‌شوند. فعال‌شدن هر مدل به آماده‌بودن تأمین‌کننده، قیمت و مسیر اجرا وابسته است.