Gå til indhold

Gemini TTS

Integrer

Model-id 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"

Denne anmodning: ≈0,03 $ 30 API-kreditter Kør den på denne side

Hent API-nøgle
Google Tekst til tale #text-to-speech#audio#gemini

Tekst-til-tale med 30 stemmer, dialog med flere talere, stilinstruktioner og valg mellem en Flash- eller Pro-model

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

Taletekst til Gemini TTS, der accepterer indlejrede instruktioner på naturligt sprog om stil, tempo, accent og følelse, som 'Say cheerfully: Have a wonderful day!'. Inline-markører som [slowly], [whispering], [excited] og [extremely fast] styrer også tempo og stil. Flere talere kræver linjer, der begynder med aliaser fra speakers-feltet, f.eks. 'Alice: Hello!\nBob: Hi!'.

Avanceret style_instructions · output_format · voice · model · 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.

standard gemini-2.5-flash-tts

Valg af Gemini TTS-model. Brug gemini-2.5-pro-tts for højeste kvalitet i strukturerede arbejdsgange som lydbøger, podcasts eller kundesupport.

Talens sprog til flersproget syntese: udelad det, så modellen udleder sproget fra din tekst, eller angiv det for at styre outputtalen. Understøtter 60+ sprog i Preview og 24 i GA.

standard 1

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

Talerkonfiguration understøttet af gemini-2.5-pro-tts og gemini-2.5-flash-tts, men ikke af gemini-2.5-flash-lite-preview-tts. Angivelse gør det muligt for forskellige stemmer at læse forskellige dele af teksten; angiv for hver taler en stemme og et speaker_id-alias, der svarer til talerens promptpræfikser.

POST /run/gemini-tts?wait=20 pris → 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"

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 TTS

Konverterer op til 50,000 tegn tekst til tale. Vælg en `voice` og modellen `model` gemini-2.5-flash-tts eller gemini-2.5-pro-tts. `style_instructions` (op til 4000 tegn) styrer leveringen, og `speakers` accepterer 2 til 10 poster til manuskripter med flere stemmer. Valgfri `language_code`, `temperature` fra 0 til 2 samt wav-, mp3- eller ogg_opus-output.

Parametre

NavnType StandardTilladt Beskrivelse
promptpåkrævet
Typestring
≤ 50.000 tegn
Taletekst til Gemini TTS, der accepterer indlejrede instruktioner på naturligt sprog om stil, tempo, accent og følelse, som 'Say cheerfully: Have a wonderful day!'. Inline-markører som [slowly], [whispering], [excited] og [extremely fast] styrer også tempo og stil. Flere talere kræver linjer, der begynder med aliaser fra speakers-feltet, f.eks. 'Alice: Hello!\nBob: Hi!'.
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.
modelvalgfri
Typeenum
Standardgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Valg af Gemini TTS-model. Brug gemini-2.5-pro-tts for højeste kvalitet i strukturerede arbejdsgange som lydbøger, podcasts eller kundesupport.
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)
Talens sprog til flersproget syntese: udelad det, så modellen udleder sproget fra din tekst, eller angiv det for at styre outputtalen. Understøtter 60+ sprog i Preview og 24 i GA.
speakersvalgfri
Typeobject[]
≤ 10 elementer≥ 2 elementer
Talerkonfiguration understøttet af gemini-2.5-pro-tts og gemini-2.5-flash-tts, men ikke af gemini-2.5-flash-lite-preview-tts. Angivelse gør det muligt for forskellige stemmer at læse forskellige dele af teksten; angiv for hver taler en stemme og et speaker_id-alias, der svarer til talerens promptpræfikser.
speakers[].voicepåkrævet
Typeenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 flereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Forudindstillet stemme tildelt denne taler.
speakers[].speaker_idpåkrævet
Typestring
Taleralias, der kun indeholder alfanumeriske tegn og ingen mellemrum. Identificer taleren ved at sætte dette alias foran promptteksten, som i 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt