Zum Inhalt springen

Gemini TTS

Integrieren

Modell-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"

Diese Anfrage: ≈0,03 $ 30 API-Credits Auf dieser Seite ausführen

API-Schlüssel abrufen
Google Text zu Sprache #text-to-speech#audio#gemini

Text-to-Speech mit 30 Stimmen, Dialogen mit mehreren Sprechern, Stilvorgaben und Auswahl zwischen Flash- und Pro-Modell

Google · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 50 / 50000

Sprechtext für Gemini TTS mit eingebetteten Anweisungen in natürlicher Sprache für Stil, Tempo, Akzent und Emotion, etwa 'Say cheerfully: Have a wonderful day!'. Inline-Marker wie [slowly], [whispering], [excited] und [extremely fast] steuern ebenfalls Tempo und Stil. Für mehrere Sprecher müssen Zeilen mit Aliasen aus dem speakers-Feld beginnen, zum Beispiel 'Alice: Hello!\nBob: Hi!'.

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

Optionale Anweisungen in natürlicher Sprache, die getrennt vom gesprochenen Inhalt bleiben und vor dem Prompt eingefügt werden, um Ausdruck, Akzent, Tempo, Ton und Emotion zu formen. Beispiele sind 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' und 'Whisper mysteriously'.

output_format Standard mp3

Format des Ausgabeaudios: mp3 liefert komprimierte, kompakte Dateien und wird empfohlen; wav enthält unkomprimiertes PCM in einem WAV-Container mit 24 kHz und 16-Bit-Mono-Audio; ogg_opus verwendet Opus in Ogg und bietet ein gutes Verhältnis von Qualität und Größe.

Standard Kore

Auswahl einer Einzelsprecherstimme aus 30 verschiedenen Presets; bei gesetztem speakers wird diese Auswahl deaktiviert. Beliebte weibliche Optionen sind Kore mit kräftiger und bestimmter Sprechweise, Zephyr mit heller und klarer Sprechweise und Aoede mit warmer und melodischer Sprechweise; beliebte männliche Optionen sind Puck, lebhaft und energiegeladen, und Charon, ruhig und professionell.

Standard gemini-2.5-flash-tts

Auswahl des Gemini-TTS-Modells. Für höchste Qualität in strukturierten Workflows wie Hörbüchern, Podcasts oder Kundensupport verwende gemini-2.5-pro-tts.

Sprachsprache für mehrsprachige Synthese: Lass sie weg, damit das Modell die Sprache aus deinem Text ableitet, oder gib sie an, um die gesprochene Ausgabe zu steuern. Unterstützt werden 60+ Sprachen in Preview und 24 in GA.

Standard 1

Einstellung für die Zufälligkeit der Sprache: niedrigere Werte erzeugen eine fokussierte, vorhersehbare Ausgabe, höhere eine kreative, abwechslungsreiche.

Sprecherkonfiguration, unterstützt von gemini-2.5-pro-tts und gemini-2.5-flash-tts, aber nicht von gemini-2.5-flash-lite-preview-tts. Bei Angabe lesen verschiedene Stimmen unterschiedliche Textabschnitte; gib für jeden Sprecher eine Stimme und einen speaker_id-Alias entsprechend den Prompt-Präfixen dieses Sprechers an.

POST /run/gemini-tts?wait=20 Preis → 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"

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Gemini TTS

Wandelt bis zu 50,000 Textzeichen in Sprache um. Wähle eine `voice` sowie das `model` gemini-2.5-flash-tts oder gemini-2.5-pro-tts. `style_instructions` (bis zu 4000 Zeichen) steuert die Sprechweise; `speakers` akzeptiert 2 bis 10 Einträge für Skripte mit mehreren Stimmen. Optional sind `language_code`, `temperature` von 0 bis 2 sowie wav-, mp3- oder ogg_opus-Ausgabe.

Parameter

NameTyp StandardZulässig Beschreibung
prompterforderlich
Typstring
≤ 50.000 Zeichen
Sprechtext für Gemini TTS mit eingebetteten Anweisungen in natürlicher Sprache für Stil, Tempo, Akzent und Emotion, etwa 'Say cheerfully: Have a wonderful day!'. Inline-Marker wie [slowly], [whispering], [excited] und [extremely fast] steuern ebenfalls Tempo und Stil. Für mehrere Sprecher müssen Zeilen mit Aliasen aus dem speakers-Feld beginnen, zum Beispiel 'Alice: Hello!\nBob: Hi!'.
style_instructionsoptional
Typstring | null
≤ 4.000 Zeichen
Optionale Anweisungen in natürlicher Sprache, die getrennt vom gesprochenen Inhalt bleiben und vor dem Prompt eingefügt werden, um Ausdruck, Akzent, Tempo, Ton und Emotion zu formen. Beispiele sind 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' und 'Whisper mysteriously'.
voiceoptional
Typenum
StandardKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 weitereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Auswahl einer Einzelsprecherstimme aus 30 verschiedenen Presets; bei gesetztem speakers wird diese Auswahl deaktiviert. Beliebte weibliche Optionen sind Kore mit kräftiger und bestimmter Sprechweise, Zephyr mit heller und klarer Sprechweise und Aoede mit warmer und melodischer Sprechweise; beliebte männliche Optionen sind Puck, lebhaft und energiegeladen, und Charon, ruhig und professionell.
modeloptional
Typenum
Standardgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Auswahl des Gemini-TTS-Modells. Für höchste Qualität in strukturierten Workflows wie Hörbüchern, Podcasts oder Kundensupport verwende gemini-2.5-pro-tts.
language_codeoptional
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 weitereRussian (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)
Sprachsprache für mehrsprachige Synthese: Lass sie weg, damit das Modell die Sprache aus deinem Text ableitet, oder gib sie an, um die gesprochene Ausgabe zu steuern. Unterstützt werden 60+ Sprachen in Preview und 24 in GA.
speakersoptional
Typobject[]
≤ 10 Elemente≥ 2 Elemente
Sprecherkonfiguration, unterstützt von gemini-2.5-pro-tts und gemini-2.5-flash-tts, aber nicht von gemini-2.5-flash-lite-preview-tts. Bei Angabe lesen verschiedene Stimmen unterschiedliche Textabschnitte; gib für jeden Sprecher eine Stimme und einen speaker_id-Alias entsprechend den Prompt-Präfixen dieses Sprechers an.
speakers[].voiceerforderlich
Typenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 weitereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Diesem Sprecher zugewiesene voreingestellte Stimme.
speakers[].speaker_iderforderlich
Typstring
Sprecheralias nur mit alphanumerischen Zeichen und ohne Leerzeichen. Identifiziere den Sprecher, indem du dem Prompt-Text diesen Alias voranstellst, wie in 'Alice: Hello! Bob: Hi there!'.
temperatureoptional
Typnumber
Standard1
0 – 2
Einstellung für die Zufälligkeit der Sprache: niedrigere Werte erzeugen eine fokussierte, vorhersehbare Ausgabe, höhere eine kreative, abwechslungsreiche.
output_formatoptional
Typenum
Standardmp3
wavmp3ogg_opus
Format des Ausgabeaudios: mp3 liefert komprimierte, kompakte Dateien und wird empfohlen; wav enthält unkomprimiertes PCM in einem WAV-Container mit 24 kHz und 16-Bit-Mono-Audio; ogg_opus verwendet Opus in Ogg und bietet ein gutes Verhältnis von Qualität und Größe.
erforderlich

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Audiodatei.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/gemini-tts.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt