Audio — 텍스트 음성 변환
텍스트를 자연스러운 음성으로 변환하는 TTS(Text-to-Speech) 엔드포인트입니다.
Google Gemini TTS 모델을 활용하여 단일 화자 및 다중 화자 합성을 지원합니다. 팟캐스트, 오디오북, 안내 음성 등 다양한 용도로 활용해보세요.
- 공식 레퍼런스: Google Gemini TTS
텍스트 음성 변환
POST
/v1/gateway/audio/speech/텍스트를 오디오로 변환합니다. 응답은 원시 PCM 바이트입니다.
파라미터
model
TTS 모델 이름 (예: string
required
gemini-2.5-flash-preview-tts).input
합성할 텍스트. 다중 화자의 경우 대화 형식을 사용합니다.string
required
voice
음성 이름 (기본값: string
"Aoede"). 옵션: Aoede, Charon, Fenrir, Kore, Puck 등.speakers
다중 화자 매핑 object
{speaker_name: voice_name}.응답은 원시 PCM 오디오(24kHz 모노, 16비트 LE)로 반환됩니다. MP3나 WAV로 변환하려면 아래 ffmpeg 예제를 참고해주세요.
응답
원시 PCM 오디오 바이트 (
audio/pcm), 24kHz 모노, 16비트 리틀 엔디안.| 헤더 | 설명 |
|---|---|
X-Input-Tokens | 입력 텍스트에 소비된 토큰 |
X-Output-Tokens | 오디오 출력에 소비된 토큰 |
Content-Type | audio/pcm |
예제
curl
Python
PCM을 MP3로 변환
다중 화자 TTS
오디오 형식
| 속성 | 값 |
|---|---|
| 형식 | Raw PCM (WAV/MP3 헤더 없음) |
| 샘플 레이트 | 24,000 Hz |
| 채널 | 모노 (1 ch) |
| 비트 깊이 | 16비트 부호 있음, 리틀 엔디안 |
사용 가능한 모델
| 모델 | 10k 입력 토큰당 크레딧 | 설명 |
|---|---|---|
gemini-2.5-flash-preview-tts | 0.001 | Gemini 2.5 Flash 기반 고품질 TTS |
gemini-2.5-pro-preview-tts | 0.002 | Gemini 2.5 Pro 기반 프리미엄 TTS |
사용 가능한 음성
여성:
Aoede (산뜻함), Achernar (부드러움), Autonoe (밝음), Callirrhoe (편안함), Despina (매끄러움), Erinome (선명함), Gacrux (성숙함), Kore (단단함), Laomedeia (경쾌함), Leda (젊음), Pulcherrima (적극적), Sulafat (따뜻함), Vindemiatrix (온화함), Zephyr (밝음)남성:
Achird (친근함), Algenib (거친), Algieba (매끄러움), Alnilam (단단함), Charon (정보적), Enceladus (숨결), Fenrir (활기찬), Iapetus (선명함), Orus (단단함), Puck (경쾌함), Rasalgethi (정보적), Sadachbia (활발함), Sadaltager (박식함), Schedar (차분함), Umbriel (편안함), Zubenelgenubi (캐주얼)참고
- 조직에 따라 일부 모델이 활성화되지 않을 수 있습니다. 활성화되지 않은 모델을 사용하면
403에러가 반환됩니다 — 관리자에게 문의하세요.
마지막 수정 날짜: Feb 24, 2026