Google: Gemini 2.5 Flash TTS (preview)

Gemini 2.5 Flash Preview TTS 是 Google 於 2025 年推出的語音合成預覽版，建立在 Gemini 2.5 Flash 之上，特色是可以用自然語言描述想要的語氣、情緒與語速，並支援多說話者對話（例如 Podcast 形式的雙人對談）。

與 Gemini 2.5 Pro Preview TTS 相比，Flash 版單價為一半（輸入 0.5、輸出 10 USD／1M 音訊 tokens）、延遲較低，音質略簡單；與後續的 Gemini 3.8 Flash TTS 相比，3.8 單價更低、口語更自然，因此新專案建議直接使用 3.8 Flash TTS。

輸入僅支援文字，單次最長 8,192 tokens；輸出為音訊，原生輸出為 wav／pcm，支援串流；不支援 SSML，風格控制全靠自然語言指示。

需要 SSML 精細控制發音與停頓時，請改用 Azure Neural TTS 或 xAI TTS。