تخطّي إلى المحتوى

Gemini TTS

التكامل

معرّف النموذج gemini-tts
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/gemini-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

هذا الطلب: ≈⁨‏0.03 $⁩ 30 رصيد API تشغيله في هذه الصفحة

الحصول على مفتاح API
Google تحويل النص إلى كلام #text-to-speech#audio#gemini

تحويل النص إلى كلام مع 30 صوتًا وحوار متعدد المتحدثين وتعليمات نمط وخيار نموذج Flash أو Pro

Google · صوت

ستظهر نتيجتك الأولى هنا

أنشئ طلبًا أدناه وشغّله باستخدام مفتاح API الخاص بك. تُنسخ المخرجات إلى تخزيننا، وتُحفظ إلى الأبد أو لمدة 7 أيام مجانًا.

إنشاء طلب

تُنشأ عناصر التحكم من مخطط النموذج. يتحدّث الرمز والسعر عند تغييرها.

•مطلوب 50 / 50000

نص الكلام لـ Gemini TTS، ويقبل توجيهات لغوية طبيعية مضمنة للنمط والسرعة واللهجة والعاطفة، مثل 'Say cheerfully: Have a wonderful day!'. تتحكم أيضًا العلامات المضمنة مثل [slowly] و[whispering] و[excited] و[extremely fast] في السرعة والنمط. يتطلب تعدد المتحدثين أسطرًا تبدأ بأسماء مستعارة من حقل speakers، مثل 'Alice: Hello!\nBob: Hi!'.

متقدم style_instructions · output_format · voice · model · language_code · temperature · speakers
0 / 4000

توجيهات لغوية طبيعية اختيارية تُحفظ منفصلة عن المحتوى المنطوق وتُدرج قبل الموجّه لتشكيل التعبيرية واللهجة والسرعة والنبرة والعاطفة. تشمل الأمثلة 'Speak warmly and slowly' و'Read this as a dramatic newscast' و'Use a British accent with a cheerful tone' و'Whisper mysteriously'.

output_format الافتراضي mp3

تنسيق صوت المخرج: يوفّر mp3 ملفات مضغوطة ومدمجة ويوصى به؛ ويحتوي wav على PCM غير مضغوط داخل حاوية WAV بسرعة 24 kHz وصوت أحادي 16-bit؛ ويستخدم ogg_opus برنامج Opus داخل Ogg لتحقيق توازن مناسب بين الجودة والحجم.

الافتراضي Kore

اختيار صوت متحدث واحد من 30 إعدادًا مسبقًا متميزًا؛ يؤدي تعيين speakers إلى تعطيل هذا الاختيار. تشمل الخيارات النسائية الشائعة Kore بإلقاء قوي وحازم، وZephyr بإلقاء واضح ومشرق، وAoede بإلقاء دافئ ولحني؛ وتشمل الخيارات الرجالية الشائعة Puck بإلقاء حيوي ومفعم بالنشاط، وCharon بإلقاء هادئ واحترافي.

الافتراضي gemini-2.5-flash-tts

اختيار نموذج Gemini TTS. للحصول على أعلى جودة في سير العمل المنظم مثل الكتب الصوتية أو المدونات الصوتية أو دعم العملاء، استخدم gemini-2.5-pro-tts.

لغة الكلام للتركيب متعدد اللغات: احذفها ليحدّد النموذج اللغة من نصك، أو أدخلها لتوجيه المخرج المنطوق. يشمل الدعم أكثر من 60 لغة في Preview و24 لغة في GA.

الافتراضي 1

إعداد عشوائية الكلام، ويتراوح تأثيره من إلقاء مركز ومتوقع عند الإعدادات المنخفضة إلى إلقاء إبداعي ومتنوع عند الإعدادات المرتفعة.

إعداد المتحدث المدعوم من gemini-2.5-pro-tts وgemini-2.5-flash-tts، وغير المدعوم من gemini-2.5-flash-lite-preview-tts. يؤدي توفيره إلى تمكين أصوات مختلفة من قراءة أجزاء مختلفة من النص؛ ولكل متحدث، وفّر صوتًا واسمًا مستعارًا speaker_id يطابق بادئات الموجّه الخاصة به.

POST /run/gemini-tts?wait=20 عرض السعر → ⁨‏0.03 $⁩
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/gemini-tts?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

تشغيل هذا الطلب

يبقى مفتاحك في هذا المتصفح: لا يُرسل إلا إلى Doitong API ويُحفظ في localStorage فقط إذا فعّلت خيار التذكّر. الحصول على مفتاح API

حول Gemini TTS

يحوّل ما يصل إلى 50,000 حرف من النص إلى كلام. اختر `voice` و`model` gemini-2.5-flash-tts أو gemini-2.5-pro-tts. توجه `style_instructions` (حتى 4000 حرف) الأداء، بينما تقبل `speakers` من 2 إلى 10 إدخالات للبرامج النصية متعددة الأصوات. يتوفر اختياريًا `language_code` و`temperature` من 0 إلى 2، وإخراج wav أو mp3 أو ogg_opus.

المعاملات

الاسمالنوع الافتراضيمسموح الوصف
promptمطلوب
النوعstring
≤ 50,000 حرف
نص الكلام لـ Gemini TTS، ويقبل توجيهات لغوية طبيعية مضمنة للنمط والسرعة واللهجة والعاطفة، مثل 'Say cheerfully: Have a wonderful day!'. تتحكم أيضًا العلامات المضمنة مثل [slowly] و[whispering] و[excited] و[extremely fast] في السرعة والنمط. يتطلب تعدد المتحدثين أسطرًا تبدأ بأسماء مستعارة من حقل speakers، مثل 'Alice: Hello!\nBob: Hi!'.
style_instructionsاختياري
النوعstring | null
≤ 4,000 حرف
توجيهات لغوية طبيعية اختيارية تُحفظ منفصلة عن المحتوى المنطوق وتُدرج قبل الموجّه لتشكيل التعبيرية واللهجة والسرعة والنبرة والعاطفة. تشمل الأمثلة 'Speak warmly and slowly' و'Read this as a dramatic newscast' و'Use a British accent with a cheerful tone' و'Whisper mysteriously'.
voiceاختياري
النوعenum
الافتراضيKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 أخرىLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
اختيار صوت متحدث واحد من 30 إعدادًا مسبقًا متميزًا؛ يؤدي تعيين speakers إلى تعطيل هذا الاختيار. تشمل الخيارات النسائية الشائعة Kore بإلقاء قوي وحازم، وZephyr بإلقاء واضح ومشرق، وAoede بإلقاء دافئ ولحني؛ وتشمل الخيارات الرجالية الشائعة Puck بإلقاء حيوي ومفعم بالنشاط، وCharon بإلقاء هادئ واحترافي.
modelاختياري
النوعenum
الافتراضيgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
اختيار نموذج Gemini TTS. للحصول على أعلى جودة في سير العمل المنظم مثل الكتب الصوتية أو المدونات الصوتية أو دعم العملاء، استخدم gemini-2.5-pro-tts.
language_codeاختياري
النوعenum
Arabic (Egypt)Bangla (Bangladesh)Dutch (Netherlands)English (India)English (US)French (France)German (Germany)Hindi (India)Indonesian (Indonesia)Italian (Italy)Japanese (Japan)Korean (South Korea)Marathi (India)Polish (Poland)Portuguese (Brazil)Romanian (Romania)
+71 أخرىRussian (Russia)Spanish (Spain)Tamil (India)Telugu (India)Thai (Thailand)Turkish (Turkey)Ukrainian (Ukraine)Vietnamese (Vietnam)Afrikaans (South Africa)Albanian (Albania)Amharic (Ethiopia)Arabic (World)Armenian (Armenia)Azerbaijani (Azerbaijan)Basque (Spain)Belarusian (Belarus)Bulgarian (Bulgaria)Burmese (Myanmar)Catalan (Spain)Cebuano (Philippines)Chinese Mandarin (China)Chinese Mandarin (Taiwan)Croatian (Croatia)Czech (Czech Republic)Danish (Denmark)English (Australia)English (UK)Estonian (Estonia)Filipino (Philippines)Finnish (Finland)French (Canada)Galician (Spain)Georgian (Georgia)Greek (Greece)Gujarati (India)Haitian Creole (Haiti)Hebrew (Israel)Hungarian (Hungary)Icelandic (Iceland)Javanese (Java)Kannada (India)Konkani (India)Lao (Laos)Latin (Vatican City)Latvian (Latvia)Lithuanian (Lithuania)Luxembourgish (Luxembourg)Macedonian (North Macedonia)Maithili (India)Malagasy (Madagascar)Malay (Malaysia)Malayalam (India)Mongolian (Mongolia)Nepali (Nepal)Norwegian Bokmal (Norway)Norwegian Nynorsk (Norway)Odia (India)Pashto (Afghanistan)Persian (Iran)Portuguese (Portugal)Punjabi (India)Serbian (Serbia)Sindhi (India)Sinhala (Sri Lanka)Slovak (Slovakia)Slovenian (Slovenia)Spanish (Latin America)Spanish (Mexico)Swahili (Kenya)Swedish (Sweden)Urdu (Pakistan)
لغة الكلام للتركيب متعدد اللغات: احذفها ليحدّد النموذج اللغة من نصك، أو أدخلها لتوجيه المخرج المنطوق. يشمل الدعم أكثر من 60 لغة في Preview و24 لغة في GA.
speakersاختياري
النوعobject[]
≤ 10 عناصر≥ 2 عنصرين
إعداد المتحدث المدعوم من gemini-2.5-pro-tts وgemini-2.5-flash-tts، وغير المدعوم من gemini-2.5-flash-lite-preview-tts. يؤدي توفيره إلى تمكين أصوات مختلفة من قراءة أجزاء مختلفة من النص؛ ولكل متحدث، وفّر صوتًا واسمًا مستعارًا speaker_id يطابق بادئات الموجّه الخاصة به.
speakers[].voiceمطلوب
النوعenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 أخرىLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
الصوت المعد مسبقًا المخصّص لهذا المتحدث.
speakers[].speaker_idمطلوب
النوعstring
اسم مستعار للمتحدث يحتوي على محارف أبجدية رقمية فقط ولا يحتوي على مسافات بيضاء. حدّد المتحدث بإضافة هذا الاسم المستعار كبادئة لنص الموجّه، كما في 'Alice: Hello! Bob: Hi there!'.
temperatureاختياري
النوعnumber
الافتراضي1
0 – 2
إعداد عشوائية الكلام، ويتراوح تأثيره من إلقاء مركز ومتوقع عند الإعدادات المنخفضة إلى إلقاء إبداعي ومتنوع عند الإعدادات المرتفعة.
output_formatاختياري
النوعenum
الافتراضيmp3
wavmp3ogg_opus
تنسيق صوت المخرج: يوفّر mp3 ملفات مضغوطة ومدمجة ويوصى به؛ ويحتوي wav على PCM غير مضغوط داخل حاوية WAV بسرعة 24 kHz وصوت أحادي 16-bit؛ ويستخدم ogg_opus برنامج Opus داخل Ogg لتحقيق توازن مناسب بين الجودة والحجم.
مطلوب

المخرجات

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "gemini-tts",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 30,
    "usd": "0.03",
    "charged": 30,
    "refunded": 0
  },
  "input": {
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
ملفاتك، خيارككل outputs[].url هو نسخة على تخزيننا: تُحفظ إلى الأبد (مع الدفع لكل غيغابايت-شهر) أو لمدة 7 أيام مجانًا، وفق إعداد حسابك أو ?storage=.
البنية نفسها في كل نموذجtype وurl وcontent_type وwidth وheight وduration للصور والفيديو والصوت على حد سواء. output هو كائن النتائج الخاص بالنموذج.
حقول المخرجات
audio
object {url, content_type, file_name, file_size}ملف الصوت الناتج عن التوليد.

لوكلاء الذكاء الاصطناعي: تتوفر هذه الصفحة بصيغة Markdown على https://doitong.com/ar/developers/models/gemini-tts.md. جميع النماذج والأدلة: https://doitong.com/developers/llms.txt