1. 模型说明

Gemini TTS 通过 文本（及可选多模态输入）生成语音，调用形态为 Vertex generateContent（同步） 与 streamGenerateContent（SSE 流式）。

2. 计费

2.1 平台的计费项与用量

chargeItemCode	中文名	用量计算（用户侧）	触发接口
in_token	输入 token	响应 usageMetadata.promptTokenCount	四条 TTS 接口
out_token_audio	输出音频 token	响应 usageMetadata.candidatesTokensDetails 中 modality 为 AUDIO 的 token 之和	四条 TTS 接口

3. 功能接口详情

3.0 公共请求 Body（四条接口共用）

Content-Type: application/json。Body 为 Vertex GenerateContentRequest JSON（camelCase 或 snake_case 均可，与官方一致）。

主要字段

参数名	字段类型	是否必填	描述
contents	array / object	是	与模型当前对话的内容。对于单轮查询，这是单个实例。对于多轮查询，这是包含对话历史记录和最新请求的重复字段。
generationConfig	object	否	生成配置设置。TTS 场景下常用其中的 speechConfig（音色、语言等）。
systemInstruction	object	否	适用于 gemini-2.0-flash 和 gemini-2.0-flash-lite。有关引导模型获得更好性能的说明。text 字符串会计入 token 限制。systemInstruction 的 role 字段会被忽略，不会影响模型的性能。
safetySettings	array	否	针对每个请求的设置，用于屏蔽不安全内容。在 GenerateContentResponse.candidates 上强制执行。
tools	array	否	一段代码，可让系统与外部系统进行交互，以在模型知识和范围之外执行操作或一组操作。
toolConfig	object	否	请参阅函数调用。
cachedContent	string	否	用作提供预测的上下文的缓存内容的名称。格式：projects/{project}/locations/{location}/cachedContents/{cachedContent}
labels	object	否	您可以采用键值对格式添加到 API 调用中的元数据。

generationConfig.speechConfig（TTS 常用）

参数名	字段类型	是否必填	描述
voiceConfig	object	否	预置音色配置（结构见 Google TTS / Gemini 语音文档）。
multiSpeakerVoiceConfig	object	否	多说话人音色配置。
languageCode	string	否	语言代码（如 en-US）。

公共响应字段（同步 / 流式单 chunk）

参数名	字段类型	描述
candidates	array	模型生成的候选结果；TTS 音频通常在 candidates[].content.parts[].inlineData（base64 音频）。
usageMetadata	object	Token 用量；含 promptTokenCount、candidatesTokenCount、candidatesTokensDetails 等。
modelVersion	string	用于生成的模型及版本。
responseId	string	响应 ID。
promptFeedback	object	提示相关反馈（如安全拦截）。

---

3.1 同步 generateContent（平台路径）

3.1.1 请求 url

POST https://genaiapi-m2.cloudsway.net/v1/ai/{YOUR_ENDPOINT}/tts/generateContent

3.1.2 请求 Body 参数

见 §3.0。

3.1.3 响应参数

见 §3.0 公共响应字段。HTTP 200 时 body 为完整 GenerateContentResponse JSON。

3.1.4 请求示例

curl --location 'https://genaiapi-m2.cloudsway.net/v1/ai/{YOUR_ENDPOINT}/tts/generateContent' \
--header 'Authorization: Bearer {YOUR_AK}' \
--header 'Content-Type: application/json' \
--data '{
  "contents": [{
    "role": "user",
    "parts": [{ "text": "Say hello in a friendly tone." }]
  }],
  "generationConfig": {
    "speechConfig": {
      "voiceConfig": {
        "voice": "Kore"
      }
    }
  }
}'

3.1.5 响应示例（节选）

{
  "candidates": [{
    "content": {
      "parts": [{
        "inlineData": {
          "mimeType": "audio/L16;codec=pcm;rate=24000",
          "data": "<base64-audio>"
        }
      }]
    }
  }],
  "usageMetadata": {
    "promptTokenCount": 12,
    "candidatesTokenCount": 85,
    "candidatesTokensDetails": [
      { "modality": "AUDIO", "tokenCount": 80 }
    ]
  }
}

---

3.2 流式 streamGenerateContent（平台路径）

3.2.1 请求 url

POST https://genaiapi-m2.cloudsway.net/v1/ai/{YOUR_ENDPOINT}/tts/streamGenerateContent

可选 Query：

参数名	字段类型	是否必填	描述
alt	string	否	为 sse 时，使用 Servlet SSE（text/event-stream）写回，适配部分 HTTP 客户端；省略时返回响应式 SSE 流（text/event-stream）。

3.2.2 请求 Body 参数

见 §3.0。

3.2.3 响应说明

• Content-Type：text/event-stream

• 每个事件 data 为 GenerateContentResponse JSON（部分实现会在 JSON 前带一空格，解析时请 trim）。

• 错误时可能推送含 error 字段的 JSON 后结束流。

• 用量以最后一个包含 usageMetadata 的事件为准（见 §2.2）。

3.2.4 请求示例

curl --location 'https://genaiapi-m2.cloudsway.net/v1/ai/{YOUR_ENDPOINT}/tts/streamGenerateContent?alt=sse' \
--header 'Authorization: Bearer {YOUR_AK}' \
--header 'Content-Type: application/json' \
--header 'Accept: text/event-stream' \
--data '{
  "contents": [{
    "role": "user",
    "parts": [{ "text": "Stream this sentence as speech." }]
  }],
  "generationConfig": {
    "speechConfig": {
      "voiceConfig": {
          "voice": "Kore"
      }
    }
  }
}'

---

3.3 同步 generateContent（原生 Vertex 路径）

3.3.1 请求 url

POST https://genaiapi-m2.cloudsway.net/{YOUR_ENDPOINT}/tts/v1beta1/publishers/google/models/{modelName}:generateContent

路径参数 {modelName}：与 Google 模型资源名一致（如 gemini-2.5-flash-preview-tts），建议与端点配置的官方 model 相同。

3.3.2 请求 Body / 响应

同 §3.1（Body 见 §3.0）。

3.3.3 请求示例

curl --location 'https://genaiapi-m2.cloudsway.net/{YOUR_ENDPOINT}/tts/v1beta1/publishers/google/models/gemini-2.5-flash-preview-tts:generateContent' \
--header 'Authorization: Bearer {YOUR_AK}' \
--header 'Content-Type: application/json' \
--data '{
  "contents": [{
    "role": "user",
    "parts": [{ "text": "Hello." }]
  }],
  "generationConfig": {
    "speechConfig": {
      "voiceConfig": {
          "voice": "Kore"
      }
    }
  }
}'

---

3.4 流式 streamGenerateContent（原生 Vertex 路径）

3.4.1 请求 url

POST https://genaiapi-m2.cloudsway.net/{YOUR_ENDPOINT}/tts/v1beta1/publishers/google/models/{modelName}:streamGenerateContent

3.4.2 请求 Body / 响应

Body 同 §3.0；响应为 SSE（text/event-stream），语义同 §3.2.3（原生路径当前以 SSE 写回）。

3.4.3 请求示例

curl --location 'https://genaiapi-m2.cloudsway.net/{YOUR_ENDPOINT}/tts/v1beta1/publishers/google/models/gemini-2.5-flash-preview-tts:streamGenerateContent' \
--header 'Authorization: Bearer {YOUR_AK}' \
--header 'Content-Type: application/json' \
--header 'Accept: text/event-stream' \
--data '{
  "contents": [{
    "role": "user",
    "parts": [{ "text": "Hello." }]
  }],
  "generationConfig": {
    "speechConfig": {
      "voiceConfig": {
          "voice": "Kore"
      }
    }
  }
}'