Gemini 2.5 Pro Preview TTS

Oversigt. Gemini 2.5 Pro Preview TTS er en lukket model til kodegenerering af tale, udviklet af Google til at skabe lyd i høj kvalitet ud fra tekstprompter. Som en specialiseret lydvariant af Gemini 2.5-modelfamilien accepterer den op til 8.192 tokens som inddata og genererer op til 16.384 tokens lineær PCM- eller WAV-lyd som uddata. Udviklere tager denne model i brug til direkte, rundebaseret generering af tale i Google-drevne behandlingskæder.

Vigtigste styrker. Modellen fokuserer udelukkende på tekst-til-tale og understøtter lange lydsekvenser op til grænsen på 16.384 tokens. Dens dedikerede behandlingskæde til lyd konverterer rå tekst til klar tale uden behov for ekstern efterbehandling. Uddata leveres direkte i standardformater, hvilket gør det enkelt at bruge lyden i afspilnings- og mediesystemer.

Anvendelsesområder. Brug denne model til rundebaserede opgaver med talesyntese, såsom generering af talt indhold, indtaling og offline automatiserede beskeder. Den er velegnet til interaktive behandlingskæder, hvor du sender forberedte tekstblokke og modtager færdige lydstrømme. Ved drift i virksomheder over længere tid bør du planlægge overgang til Gemini 3.8 Flash TTS før Googles planlagte stengning i november 2026.

Begrænsninger. Modellen er strengt begrænset til tekst som inddata og lyd som uddata; den mangler egenskaber til tekstgenerering, værktøjskald, strukturerede uddata eller kontekstcaching. Den understøtter ikke tovejs lydstreaming i sanntid via Live API, og Google har planlagt at lukke preview-endepunktet den 17. november 2026.

Bemærkning om suverænitet. Denne model drives på Google Cloud-infrastruktur under amerikansk jurisdiktion og er underlagt CLOUD Act. Den tilbyder ikke suveræn europæisk drift eller isolation.