Gå til indhold

Gemini 3.1 Flash Tts

Integrer

Model-id 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"

Denne anmodning: 0,003 $ 3 API-kreditter Kør den på denne side

Hent API-nøgle
Google Tekst til tale LipsyncHurtig #avatar

Gemini 3.1 Flash tekst-til-tale med inline-styring af stil, 30 stemmer og op til 10 talere

Google · Lyd

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet 50 / 50000

Tekst til talesyntese for Gemini 3.1 Flash TTS; linjer med flere talere skal begynde med aliaser fra speakers-feltet, som i 'Alice: Hello!\nBob: Hi!'. Leveringen kan styres detaljeret med udtryksfulde lydtags som [sigh], [laughing], [whispering] og [short pause] eller med inline-instruktioner på naturligt sprog om accent, følelse, tempo og stil, som 'Say cheerfully: Have a wonderful day!'.

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

Valgfrie instruktioner på naturligt sprog, holdt adskilt fra det talte indhold og indsat før prompten for at forme udtryksfuldhed, accent, tempo, tone og følelse. Eksempler omfatter 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' og 'Whisper mysteriously'.

output_format standard mp3

Format for outputlyden: mp3 giver komprimerede, kompakte filer og anbefales; wav indeholder ukomprimeret PCM i en WAV-container ved 24 kHz med 16-bit mono-lyd; ogg_opus bruger Opus i Ogg for en god saldo mellem kvalitet og størrelse.

standard Kore

Valg af stemme til én taler blandt 30 forskellige forudindstillinger; hvis speakers angives, bliver dette valg inaktivt. Populære kvindestemmer er Kore med en stærk og fast levering, Zephyr med en lys og klar levering og Aoede med en varm og melodisk levering; populære mandestemmer er Puck, energisk og livlig, og Charon, rolig og professionel.

Tilsidesættelse af sprog til flersproget syntese: automatisk registrering fra teksten anvendes, medmindre du angiver et sprog til at styre modellens tale.

standard 1

Indstilling for talens tilfældighed, fra fokuseret og forudsigelig levering ved lave værdier til kreativ og varieret levering ved høje værdier.

Stemmekonfiguration, der gør det muligt for flere talere at læse separate dele af teksten. Tildel hver taler en stemme samt et speaker_id-alias, der matcher de tilsvarende promptpræfikser.

POST /run/gemini-3.1-flash-tts?wait=20 pris → 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Gemini 3.1 Flash Tts

Konverterer en `prompt` på op til 50000 tegn til tale. Leveringen kan styres inline eller via `style_instructions`. Vælg en af 30 stemmer, angiv en `language_code`, eller brug `speakers` (2 til 10) til lyd med flere talere. Outputtet er mp3, wav eller ogg_opus, med `temperature` fra 0 til 2.

Parametre

NavnType StandardTilladt Beskrivelse
promptpåkrævet
Typestring
≤ 50.000 tegn
Tekst til talesyntese for Gemini 3.1 Flash TTS; linjer med flere talere skal begynde med aliaser fra speakers-feltet, som i 'Alice: Hello!\nBob: Hi!'. Leveringen kan styres detaljeret med udtryksfulde lydtags som [sigh], [laughing], [whispering] og [short pause] eller med inline-instruktioner på naturligt sprog om accent, følelse, tempo og stil, som 'Say cheerfully: Have a wonderful day!'.
style_instructionsvalgfri
Typestring | null
≤ 4.000 tegn
Valgfrie instruktioner på naturligt sprog, holdt adskilt fra det talte indhold og indsat før prompten for at forme udtryksfuldhed, accent, tempo, tone og følelse. Eksempler omfatter 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' og 'Whisper mysteriously'.
voicevalgfri
Typeenum
StandardKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 flereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Valg af stemme til én taler blandt 30 forskellige forudindstillinger; hvis speakers angives, bliver dette valg inaktivt. Populære kvindestemmer er Kore med en stærk og fast levering, Zephyr med en lys og klar levering og Aoede med en varm og melodisk levering; populære mandestemmer er Puck, energisk og livlig, og Charon, rolig og professionel.
language_codevalgfri
Typeenum
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 flereRussian (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)
Tilsidesættelse af sprog til flersproget syntese: automatisk registrering fra teksten anvendes, medmindre du angiver et sprog til at styre modellens tale.
speakersvalgfri
Typeobject[]
Stemmekonfiguration, der gør det muligt for flere talere at læse separate dele af teksten. Tildel hver taler en stemme samt et speaker_id-alias, der matcher de tilsvarende promptpræfikser.
temperaturevalgfri
Typenumber
Standard1
0 – 2
Indstilling for talens tilfældighed, fra fokuseret og forudsigelig levering ved lave værdier til kreativ og varieret levering ved høje værdier.
output_formatvalgfri
Typeenum
Standardmp3
wavmp3ogg_opus
Format for outputlyden: mp3 giver komprimerede, kompakte filer og anbefales; wav indeholder ukomprimeret PCM i en WAV-container ved 24 kHz med 16-bit mono-lyd; ogg_opus bruger Opus i Ogg for en god saldo mellem kvalitet og størrelse.
påkrævet

Output

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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
audio
object {url, content_type, file_name, file_size}Lydfil produceret ved generering.

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/gemini-3.1-flash-tts.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt