Neidio i'r cynnwys

Gemini 3.1 Flash Tts

Integreiddio

ID y model gemini-3.1-flash-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-3.1-flash-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"

Y cais hwn: $0.003 3 o gredydau API Ei redeg ar y dudalen hon

Cael allwedd API
Google Testun i Leferydd Cydamseru gwefusauCyflym #lipsync#avatar

Text-to-speech Gemini 3.1 Flash gyda rheolaeth arddull fewnol, 30 llais a hyd at 10 siaradwr

Google · Sain

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol 50 / 50000

Testun synthesis lleferydd ar gyfer Gemini 3.1 Flash TTS; rhaid i linellau aml-siaradwr ddechrau gydag arallenwau o'r maes speakers, fel yn 'Alice: Hello!\nBob: Hi!'. Gellir rheoli'r cyflwyniad yn fanwl gyda thagiau sain mynegiannol fel [sigh], [laughing], [whispering], a [short pause], neu gyda chyfarwyddiadau iaith naturiol mewnlin ar gyfer acen, emosiwn, cyflymdra ac arddull, fel 'Say cheerfully: Have a wonderful day!'.

Uwch style_instructions · output_format · voice · language_code · temperature · speakers
0 / 4000

Cyfarwyddiadau iaith naturiol opsiynol a gedwir ar wahân i'r cynnwys llafar ac a fewnosodir cyn yr anogiad i siapio mynegiant, acen, cyflymder, tôn ac emosiwn. Mae enghreifftiau'n cynnwys 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', a 'Whisper mysteriously'.

output_format rhagosodedig mp3

Fformat yr allbwn sain: mae mp3 yn darparu ffeiliau cywasgedig a chryno ac fe'i argymhellir; mae wav yn cynnwys PCM anghywasgedig mewn cynhwysydd WAV ar 24 kHz gyda sain mono 16-did; mae ogg_opus yn defnyddio Opus y tu mewn i Ogg ar gyfer cydbwysedd ffafriol rhwng ansawdd a maint.

rhagosodedig Kore

Dewis llais un siaradwr o 30 rhagosodiad gwahanol; mae gosod speakers yn gwneud y dewis hwn yn anweithredol. Yr opsiynau benywaidd poblogaidd yw Kore, gyda chyflwyniad cryf a chadarn, Zephyr, gyda chyflwyniad llachar a chlir, ac Aoede, gyda chyflwyniad cynnes a melodig; yr opsiynau gwrywaidd poblogaidd yw Puck, bywiog a llawn egni, a Charon, tawel a phroffesiynol.

Diystyru iaith synthesis amlieithog: defnyddir canfod awtomatig o'r testun oni bai eich bod yn pennu iaith i arwain lleferydd y model.

rhagosodedig 1

Gosodiad haprwydd lleferydd, o gyflwyniad ffocysedig a rhagweladwy ar osodiadau is i gyflwyniad creadigol ac amrywiol ar osodiadau uwch.

Cyfluniad llais sy'n galluogi sawl siaradwr i ddarllen rhannau gwahanol o'r testun. Rhowch lais i bob siaradwr ynghyd ag arallenw speaker_id sy'n cyfateb i'r rhagddodiaid priodol yn yr anogiad.

POST /run/gemini-3.1-flash-tts?wait=20 dyfynbris → $0.003
# 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-3.1-flash-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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Gemini 3.1 Flash Tts

Yn trosi `prompt` o hyd at 50000 nod yn leferydd. Gellir llywio'r cyflwyniad yn fewnol neu drwy `style_instructions`. Dewiswch un o 30 llais, gosodwch `language_code`, neu defnyddiwch `speakers` (2 i 10) ar gyfer sain aml-siaradwr. mp3, wav neu ogg_opus yw'r allbwn, gyda `temperature` o 0 i 2.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
promptgofynnol
Mathstring
≤ 50,000 nod
Testun synthesis lleferydd ar gyfer Gemini 3.1 Flash TTS; rhaid i linellau aml-siaradwr ddechrau gydag arallenwau o'r maes speakers, fel yn 'Alice: Hello!\nBob: Hi!'. Gellir rheoli'r cyflwyniad yn fanwl gyda thagiau sain mynegiannol fel [sigh], [laughing], [whispering], a [short pause], neu gyda chyfarwyddiadau iaith naturiol mewnlin ar gyfer acen, emosiwn, cyflymdra ac arddull, fel 'Say cheerfully: Have a wonderful day!'.
style_instructionsdewisol
Mathstring | null
≤ 4,000 nod
Cyfarwyddiadau iaith naturiol opsiynol a gedwir ar wahân i'r cynnwys llafar ac a fewnosodir cyn yr anogiad i siapio mynegiant, acen, cyflymder, tôn ac emosiwn. Mae enghreifftiau'n cynnwys 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', a 'Whisper mysteriously'.
voicedewisol
Mathenum
RhagosodedigKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 yn rhagorLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Dewis llais un siaradwr o 30 rhagosodiad gwahanol; mae gosod speakers yn gwneud y dewis hwn yn anweithredol. Yr opsiynau benywaidd poblogaidd yw Kore, gyda chyflwyniad cryf a chadarn, Zephyr, gyda chyflwyniad llachar a chlir, ac Aoede, gyda chyflwyniad cynnes a melodig; yr opsiynau gwrywaidd poblogaidd yw Puck, bywiog a llawn egni, a Charon, tawel a phroffesiynol.
language_codedewisol
Mathenum
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 yn rhagorRussian (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)
Diystyru iaith synthesis amlieithog: defnyddir canfod awtomatig o'r testun oni bai eich bod yn pennu iaith i arwain lleferydd y model.
speakersdewisol
Mathobject[]
Cyfluniad llais sy'n galluogi sawl siaradwr i ddarllen rhannau gwahanol o'r testun. Rhowch lais i bob siaradwr ynghyd ag arallenw speaker_id sy'n cyfateb i'r rhagddodiaid priodol yn yr anogiad.
temperaturedewisol
Mathnumber
Rhagosodedig1
0 – 2
Gosodiad haprwydd lleferydd, o gyflwyniad ffocysedig a rhagweladwy ar osodiadau is i gyflwyniad creadigol ac amrywiol ar osodiadau uwch.
output_formatdewisol
Mathenum
Rhagosodedigmp3
wavmp3ogg_opus
Fformat yr allbwn sain: mae mp3 yn darparu ffeiliau cywasgedig a chryno ac fe'i argymhellir; mae wav yn cynnwys PCM anghywasgedig mewn cynhwysydd WAV ar 24 kHz gyda sain mono 16-did; mae ogg_opus yn defnyddio Opus y tu mewn i Ogg ar gyfer cydbwysedd ffafriol rhwng ansawdd a maint.
gofynnol

Allbwn

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "gemini-3.1-flash-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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
audio
object {url, content_type, file_name, file_size}Ffeil sain a gynhyrchir.

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/gemini-3.1-flash-tts.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt