Přejít na obsah

Gemini TTS

Integrace

ID modelu 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"

Tento požadavek: ≈0,03 $ 30 kreditů API Spustit na této stránce

Získat API klíč
Google Text na řeč #text-to-speech#audio#gemini

Převod textu na řeč s 30 hlasy, dialogem více mluvčích, pokyny ke stylu a volbou modelu Flash nebo Pro

Google · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 50 / 50000

Text řeči pro Gemini TTS s podporou vložených pokynů v přirozeném jazyce pro styl, tempo, přízvuk a emoce, například 'Say cheerfully: Have a wonderful day!'. Vložené značky včetně [slowly], [whispering], [excited] a [extremely fast] také řídí tempo a styl. Více mluvčích vyžaduje řádky začínající aliasy z pole speakers, například 'Alice: Hello!\nBob: Hi!'.

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

Volitelné pokyny v přirozeném jazyce oddělené od mluveného obsahu a vložené před prompt pro úpravu expresivity, přízvuku, tempa, tónu a emocí. Příklady: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' a 'Whisper mysteriously'.

output_format výchozí mp3

Formát výstupního zvuku: mp3 poskytuje komprimované kompaktní soubory a je doporučený; wav obsahuje nekomprimované PCM v kontejneru WAV při 24 kHz s 16bitovým mono zvukem; ogg_opus používá Opus v Ogg pro vyvážený poměr kvality a velikosti.

výchozí Kore

Výběr hlasu jednoho mluvčího z 30 předvoleb; nastavení speakers tuto volbu deaktivuje. Oblíbené ženské možnosti jsou Kore se silným a pevným projevem, Zephyr s jasným a zřetelným projevem a Aoede s vřelým a melodickým projevem; oblíbené mužské možnosti jsou Puck, energický a živý, a Charon, klidný a profesionální.

výchozí gemini-2.5-flash-tts

Výběr modelu Gemini TTS. Pro nejvyšší kvalitu ve strukturovaných pracovních postupech, jako jsou audioknihy, podcasty nebo zákaznická podpora, použijte gemini-2.5-pro-tts.

Jazyk řeči pro vícejazyčnou syntézu: vynechte jej a model odvodí jazyk z textu, nebo jej zadejte pro určení mluveného výstupu. Pokrytí zahrnuje 60+ jazyků v Preview a 24 v GA.

výchozí 1

Nastavení náhodnosti řeči, od soustředěného a předvídatelného projevu při nižších hodnotách po kreativní a variabilní projev při vyšších hodnotách.

Konfigurace mluvčích podporovaná gemini-2.5-pro-tts a gemini-2.5-flash-tts, nikoli však gemini-2.5-flash-lite-preview-tts. Jejím zadáním umožníte různým hlasům číst různé části textu; každému mluvčímu zadejte hlas a alias speaker_id odpovídající prefixům jeho promptu.

POST /run/gemini-tts?wait=20 cena → 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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Gemini TTS

Převádí až 50 000 znaků textu na řeč. Vyberte `voice` a `model` gemini-2.5-flash-tts nebo gemini-2.5-pro-tts. `style_instructions` (až 4000 znaků) řídí projev a `speakers` přijímá 2 až 10 položek pro scénáře s více hlasy. Volitelný `language_code`, `temperature` 0 až 2 a výstup wav, mp3 nebo ogg_opus.

Parametry

NázevTyp VýchozíPovolené Popis
promptpovinné
Typstring
≤ 50 000 znaků
Text řeči pro Gemini TTS s podporou vložených pokynů v přirozeném jazyce pro styl, tempo, přízvuk a emoce, například 'Say cheerfully: Have a wonderful day!'. Vložené značky včetně [slowly], [whispering], [excited] a [extremely fast] také řídí tempo a styl. Více mluvčích vyžaduje řádky začínající aliasy z pole speakers, například 'Alice: Hello!\nBob: Hi!'.
style_instructionsvolitelné
Typstring | null
≤ 4 000 znaků
Volitelné pokyny v přirozeném jazyce oddělené od mluveného obsahu a vložené před prompt pro úpravu expresivity, přízvuku, tempa, tónu a emocí. Příklady: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' a 'Whisper mysteriously'.
voicevolitelné
Typenum
VýchozíKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 dalšíchLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Výběr hlasu jednoho mluvčího z 30 předvoleb; nastavení speakers tuto volbu deaktivuje. Oblíbené ženské možnosti jsou Kore se silným a pevným projevem, Zephyr s jasným a zřetelným projevem a Aoede s vřelým a melodickým projevem; oblíbené mužské možnosti jsou Puck, energický a živý, a Charon, klidný a profesionální.
modelvolitelné
Typenum
Výchozígemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Výběr modelu Gemini TTS. Pro nejvyšší kvalitu ve strukturovaných pracovních postupech, jako jsou audioknihy, podcasty nebo zákaznická podpora, použijte gemini-2.5-pro-tts.
language_codevolitelné
Typenum
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 dalšíchRussian (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)
Jazyk řeči pro vícejazyčnou syntézu: vynechte jej a model odvodí jazyk z textu, nebo jej zadejte pro určení mluveného výstupu. Pokrytí zahrnuje 60+ jazyků v Preview a 24 v GA.
speakersvolitelné
Typobject[]
≤ 10 položek≥ 2 položky
Konfigurace mluvčích podporovaná gemini-2.5-pro-tts a gemini-2.5-flash-tts, nikoli však gemini-2.5-flash-lite-preview-tts. Jejím zadáním umožníte různým hlasům číst různé části textu; každému mluvčímu zadejte hlas a alias speaker_id odpovídající prefixům jeho promptu.
speakers[].voicepovinné
Typenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 dalšíchLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Přednastavený hlas přiřazený tomuto mluvčímu.
speakers[].speaker_idpovinné
Typstring
Alias mluvčího obsahující pouze alfanumerické znaky a žádné mezery. Mluvčího identifikujte předponou jeho textu promptu tímto aliasem, například 'Alice: Hello! Bob: Hi there!'.
temperaturevolitelné
Typnumber
Výchozí1
0 – 2
Nastavení náhodnosti řeči, od soustředěného a předvídatelného projevu při nižších hodnotách po kreativní a variabilní projev při vyšších hodnotách.
output_formatvolitelné
Typenum
Výchozímp3
wavmp3ogg_opus
Formát výstupního zvuku: mp3 poskytuje komprimované kompaktní soubory a je doporučený; wav obsahuje nekomprimované PCM v kontejneru WAV při 24 kHz s 16bitovým mono zvukem; ogg_opus používá Opus v Ogg pro vyvážený poměr kvality a velikosti.
povinné

Výstup

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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Zvukový soubor vytvořený generováním.

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/gemini-tts.md. Všechny modely a návody: https://doitong.com/developers/llms.txt