Google 的預覽文字轉語音模型透過 OrcaRouter 實現——從文字輸入低成本生成音訊。
google/gemini-2.5-flash-preview-tts 是 Google 開發的文字轉語音模型，目前為預覽版。它能將文字輸入轉換為語音音訊，並利用 Gemini 2.5 Flash 架構實現快速推論。該模型僅接受文字作為輸入，並生成音訊標記作為輸出。使用者可透過 OrcaRouter 的 API 存取，該 API 會將請求路由至 Google…
此模型將文字轉換為語音，處理典型的文字轉語音任務：朗讀段落、生成旁白以及為無障礙功能製作音訊。它能夠自然處理標點符號與數字表達。由於是Flash模型，因此針對吞吐量進行了最佳化，能夠快速處理大量文字。它不支援轉錄（語音轉文字）、語言翻譯或多模態輸入。輸出的音訊適合在應用程式中播放。此次預覽未確認任何特定的語音個性或口音。使用者應以自己的文字進行測試，以評估音訊品質與自然度。
此模型在低成本與低延遲比工作室級音頻更重要的場景中表現出色。最佳使用場景包括：為短影片、Podcast 及社交媒體內容生成旁白；為聊天機器人和虛擬助手提供音頻；製作新聞文章或部落格貼文的音頻版本；在投資更高階模型之前先製作 TTS 功能原型；以及在模型支援所需語言的情況下服務多語言受眾。由於輸出代幣價格為每百萬個10美元，因此對於生成偶爾出現人工痕跡可接受的非關鍵音頻而言，是經濟實惠的。
如果您的使用場景涉及極高流量（例如每日數百萬個token），且對音質要求非常基本，可以考慮更便宜的替代方案，例如Google的TTS Lite或其他供應商的低成本TTS模型。然而，事實中並未明確提供更便宜的模型。另一方面，如果您需要即時串流並追求最低的每字符成本，可以評估按字符計費（而非按token計費）的模型。此模型的輸出token成本相對輸入成本較高，因此從短文本生成長音頻的文字轉語音場景可能更具成本效益，而從長文本生成短音頻則可能較不划算。請務必針對您的具體工作負載進行基準測試，以比較定價。
如果您的應用程式需要錄音室級別的音頻、富有表現力的情感語調，或多角色對話，您可能需要更昂貴的TTS模型，例如Google Cloud Text-to-Speech (WaveNet) 或支援神經語音的Amazon Polly。這些模型提供多種語音選項、SSML支援以及更高的自然度，但同時也帶來更高的按字元或按秒計價。google/gemini-2.5-flash-preview-tts 是一個為速度和成本進行優化的預覽版，因此可能無法達到專用企業級TTS解決方案那樣的細膩度。請用此模型與其他方案評估您的一小段文字樣本，以判斷品質是否符合您的需求。
此預覽模型並未公佈具體的延遲基準測試數據。作為 Gemini 2.5 Flash 的變體，其架構專為低延遲推論而設計。實際上，回應時間取決於文字長度、經由 OrcaRouter 到 Google 伺服器的網路延遲，以及當前負載。使用者應預期較短文字（例如數個句子）能獲得適中的快速生成，較長文字則會按比例花費更長時間。由於採用 Flash 模型，其表現應優於較慢的高品質 TTS 模型，但可能不如超輕量模型快速。若要精確測量延遲，請使用 OrcaRouter 的 API 以典型輸入大小執行負載測試。
根據關於 Gemini 2.5 Flash 的公開資訊，其優勢包括：推理速度快、成本效益高（輸入 token 價格低），以及作為輕量級模型能生成自然的語音。預覽狀態代表能搶先體驗 Google 最新的 TTS 技術。透過 OrcaRouter 的零加價定價，您只需支付供應商費率。輸入 token 定價（每百萬個 $0.50）在 TTS 模型中屬於最低水準。Flash 架構也意味著每次請求的碳足跡比大型模型更低。
此模型仍處於預覽階段，因此不保證可靠性與可用性。未提供任何基準測試分數（如 MOS、CER）。缺乏成熟 TTS 服務中的功能：不支援 SSML、語音選項有限、無情緒控制、無法自訂語音訓練。輸出品質在不同語言或口音下可能不一致。由於採用基於 Token 的計費方式，長時間靜音或非語音 Token 可能導致費用不可預測地增加。目前沒有音訊格式（如 WAV、MP3）、取樣率或位元深度的相關資訊。使用者應確認與其音訊處理管線的相容性。
Google 的 Gemini 2.5 Flash 是通用系列；TTS 變體則專用於語音生成。與一般的 Gemini Flash 模型（輸出文字）相比，TTS 版本新增了音訊 token 解碼器，使其更適合音訊，但可能因解碼步驟而速度較慢。它無法直接與純文字的 Flash 模型比較。針對 TTS 而言，它與 OpenAI TTS-1、Microsoft Edge TTS 及開源替代方案等模型競爭。此預覽版本尚無跨模型基準測試，因此直接比較僅為推測。
價格按token計算：每100萬個輸入token收費0.50美元，每100萬個輸出token收費10.00美元。輸入token是指您發送給模型的文字，輸出token則是生成的音訊token。OrcaRouter按供應商費率計費，零加成。除了token消耗外，使用API不收取其他費用。無論請求成功或失敗，只要處理了token就會產生費用。未使用的token不計費。帳單通常按月結算，請查看您的OrcaRouter帳戶以了解詳情。Token計數採用Google的分詞器，其計算方式可能與其他模型不同。
輸出Token比輸入Token貴20倍（每百萬個$10 vs $0.50）。這在TTS模型中很常見，因為生成音頻需要大量計算。因此，輸入中的長時間靜音或延長停頓會增加輸出Token數量，卻不攜帶資訊。優化輸入文本使其簡潔可以降低成本。相反地，輸入Token的成本微不足道；你可以提供詳細的上下文而不會帶來太多負擔。如果你的使用案例需要從非常長的文本生成非常短的音頻（例如，從長文檔中生成簡短回應），成本比例可能是有利的。
提供的資料中未提及具體的緩存或折扣方案。OrcaRouter 不提供模型輸出的內建緩存功能。每個請求均由 Google 伺服器單獨處理。部分平台可能對相同請求提供緩存，但 OrcaRouter 尚未證實此點。對於高用量用戶，請聯絡 OrcaRouter 查詢可能的用量折扣或預留容量方案。在此之前，請假設每個請求均按 token 計費。
與常見的TTS服務比較：Google Cloud Text-to-Speech按字元計費（例如，標準版每個字元$0.000004，WaveNet版每個字元$0.000016）。OpenAI TTS-1每1000個字元收費$0.015。換算成每token：此模型每百萬輸出token收費$10，對於短文本可能具有競爭力，但對於長音頻則昂貴。由於未給出字元對token的比率，用戶應用自己的內容進行測試。OrcaRouter的零加價相對於增加額外開銷的供應商API而言是一項優勢。
您使用 OrcaRouter 的 OpenAI 相容 API，基礎 URL 為 https://api.orcarouter.ai/v1。向 chat/completions 或音頻端點（如可用）發送 POST 請求，模型 ID 為 'google/gemini-2.5-flash-preview-tts'。對於標準 TTS，您可能需要使用專用的音頻生成端點；請查閱 OrcaRouter 的文件以獲取正確的路徑。在 Authorization 標頭中包含您的 API 金鑰。請求體通常包含要轉換的文字，以及可選參數（如語音或速度，若支援）。音頻將以 base64 編碼的令牌或下載 URL 形式返回，具體取決於端點。
OpenAI 相容 API 支援的常見參數包括：'model'（必要：'google/gemini-2.5-flash-preview-tts'）、'messages' 或含文字的 'prompt'、'temperature' 和 'top_p'（若支援可能影響音頻變化）、'max_tokens'（限制輸出長度）。但對於 TTS，其中許多參數可能不適用。該模型可能支援 'voice' 或 'speed' 參數。所提供的資訊中未記載具體參數。請查閱 OrcaRouter 對此模型的 API 參考。如果模型不支援某個參數，該參數將被忽略或返回錯誤。
如果您正在從其他供應商（例如 Google Cloud TTS、AWS Polly、OpenAI TTS）遷移，則需將端點更改為 https://api.orcarouter.ai/v1，並更新驗證方式以使用 OrcaRouter API 金鑰。將模型識別碼更新為 'google/gemini-2.5-flash-preview-tts'。然後，將您的請求格式調整為相容 OpenAI 的架構。例如，如果您之前在某個特定欄位中發送文字，現在將使用 'messages' 陣列或 'prompt' 參數。音訊輸出格式可能有所不同；您可能需要解析 base64 回應。在遷移正式流量之前，先用一個小型請求進行測試。
OrcaRouter 提供一個與 OpenAI 相容的 API，可能包含以下端點：/v1/chat/completions 用於文字對文字，以及可能 /v1/audio/speech 用於 TTS。對於此模型，合適的端點很可能是音頻語音端點。如果該端點不可用，則可能需要使用帶有特殊參數的 completions 端點。事實說明，該模型是透過 OrcaRouter 的 OpenAI 相容 API 進行存取，base_url 為 https://api.orcarouter.ai/v1，模型 ID 為 'google/gemini-2.5-flash-preview-tts'。請查閱 OrcaRouter 文件以確認應該使用哪個端點來生成音頻。
Google Cloud TTS 提供多種語音類型（Standard、WaveNet、Studio），支援 SSML、自訂語音建立，以及廣泛的語言選項。計費方式依字元計算。此預覽模型（gemini-2.5-flash-preview-tts）採用 Token 計費，是專為速度與低成本最佳化的 Flash 變體。它可能比 Cloud TTS 功能較少，但對於簡單且高流量的 TTS 而言可能更具成本效益。google/gemini-2.5-flash-preview-tts 為預覽版，而 Cloud TTS 則已正式推出並附有 SLA。若您需要可靠性與進階功能，Cloud TTS 較為安全；若您追求低延遲與低成本，可嘗試此模型。
OpenAI TTS-1 每 1000 個字元收費 0.015 美元。兩個模型都能從文字生成音訊。OpenAI 的模型以富有表現力的語音和廣泛採用聞名，但其定價模式不同（依字元計費）。google/gemini-2.5-flash-preview-tts 採用按 token 計費，對於極短的文字可能更便宜，但對於長文字則較昂貴（因為一個字元可能對應多個 token）。OpenAI TTS-1 穩定且已可投入生產，而 Google 的模型仍為預覽版。您可以透過 OrcaRouter 切換模型 ID 來使用兩者。請針對您的具體使用情境進行測試，以比較成本與音訊品質。
開源 TTS 模型如 Coqui TTS、Piper 或 Bark 雖免費，但需自行託管、維護並耗用 GPU 資源。它們提供自訂化功能，卻缺乏 API 呼叫的速度與簡便性。透過 OrcaRouter 使用 google/gemini-2.5-flash-preview-tts 可免除基礎架構負擔，並採用按使用量計費模式。對業餘專案而言，開源方案可能更便宜；但在生產環境中，若需最低延遲與最少管理負擔，API 則更為便利。考量託管成本後，此預覽模型的速度與費用可能與部分開源模型相當。
Amazon Polly 提供多種語音、SSML 支援及免費方案（每月 500 萬個字元）。計費方式以字元為單位（標準 $0.000004，神經 $0.000016）。google/gemini-2.5-flash-preview-tts 基於 Token 計費，其預覽狀態意味著無 SLA 或免費方案。對於低用量而言，Polly 的免費方案頗具吸引力。對於高用量，此模型的 Token 計費可能因壓縮而更便宜或更昂貴。Polly 支援多種語言及發音詞典等功能。此模型較為簡單，但根據使用情況速度更快且成本更低。
相容 OpenAI——沿用你現有的 SDK
https://api.orcarouter.ai/v1voice| 輸入 / 1M tokens | $0.500 |
|---|---|
| 輸出 / 1M tokens | $10.00 |
| 貨幣 | USD |
基於標價的估算
僅為估算——實際 Token 數取決於供應商的分詞器。
本週開發者的討論
@misc{orcarouter_gemini_2_5_flash_preview_tts,
title = {google/gemini-2.5-flash-preview-tts API},
author = {google},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts}
}google. (n.d.). google/gemini-2.5-flash-preview-tts API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-flash-preview-tts