Μετάβαση στο περιεχόμενο

Gemini 3.1 Flash Tts

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,003 $ 3 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Google Κείμενο σε ομιλία Συγχρονισμός χειλιώνΓρήγορο #lipsync#avatar

Gemini 3.1 Flash text-to-speech με ενσωματωμένο έλεγχο στυλ, 30 φωνές και έως 10 ομιλητές

Google · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται 50 / 50000

Κείμενο σύνθεσης ομιλίας για Gemini 3.1 Flash TTS· οι γραμμές πολλών ομιλητών πρέπει να ξεκινούν με ψευδώνυμα από το πεδίο speakers, όπως στο 'Alice: Hello!\nBob: Hi!'. Η εκφορά ελέγχεται λεπτομερώς με εκφραστικές ετικέτες ήχου όπως [sigh], [laughing], [whispering] και [short pause], ή με ενσωματωμένες οδηγίες φυσικής γλώσσας για προφορά, συναίσθημα, ρυθμό και στυλ, όπως 'Say cheerfully: Have a wonderful day!'.

Για προχωρημένους style_instructions · output_format · voice · language_code · temperature · speakers
0 / 4000

Προαιρετικές οδηγίες φυσικής γλώσσας, ξεχωριστές από το εκφωνούμενο περιεχόμενο και τοποθετημένες πριν από το prompt, για διαμόρφωση εκφραστικότητας, προφοράς, ρυθμού, τόνου και συναισθήματος. Παραδείγματα: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' και 'Whisper mysteriously'.

output_format προεπιλογή mp3

Μορφή ήχου εξόδου: το mp3 παρέχει συμπιεσμένα, μικρά αρχεία και συνιστάται· το wav περιέχει ασυμπίεστο PCM σε δοχείο WAV στα 24 kHz με μονοφωνικό ήχο 16-bit· το ogg_opus χρησιμοποιεί Opus μέσα σε Ogg για καλή ισορροπία ποιότητας και μεγέθους.

προεπιλογή Kore

Επιλογή φωνής ενός ομιλητή από 30 διαφορετικές προεπιλογές· η ρύθμιση speakers απενεργοποιεί αυτή την επιλογή. Δημοφιλείς γυναικείες επιλογές είναι οι Kore, με δυναμική και σταθερή εκφορά, Zephyr, με φωτεινή και καθαρή εκφορά, και Aoede, με ζεστή και μελωδική εκφορά· δημοφιλείς ανδρικές επιλογές είναι οι Puck, ζωηρή και ενεργητική, και Charon, ήρεμη και επαγγελματική.

Παράκαμψη γλώσσας πολύγλωσσης σύνθεσης: εφαρμόζεται αυτόματη ανίχνευση από το κείμενο, εκτός αν καθορίσετε γλώσσα για να κατευθύνετε την ομιλία του μοντέλου.

προεπιλογή 1

Ρύθμιση τυχαιότητας ομιλίας, από εστιασμένη, προβλέψιμη εκφορά σε χαμηλές τιμές έως δημιουργική, ποικίλη εκφορά σε υψηλές.

Διαμόρφωση φωνής που επιτρέπει σε πολλούς ομιλητές να διαβάζουν διαφορετικά τμήματα του κειμένου. Αντιστοιχίστε σε κάθε ομιλητή μια φωνή και ένα ψευδώνυμο speaker_id που ταιριάζει με τα αντίστοιχα προθέματα του prompt.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Gemini 3.1 Flash Tts

Μετατρέπει `prompt` έως 50000 χαρακτήρες σε ομιλία. Η εκφορά μπορεί να καθοδηγηθεί ενσωματωμένα ή μέσω `style_instructions`. Επιλέξτε μία από 30 φωνές, ορίστε `language_code` ή χρησιμοποιήστε `speakers` (2 έως 10) για ήχο πολλών ομιλητών. Η έξοδος είναι mp3, wav ή ogg_opus, με `temperature` από 0 έως 2.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
promptαπαιτείται
Τύποςstring
≤ 50.000 χαρακτήρες
Κείμενο σύνθεσης ομιλίας για Gemini 3.1 Flash TTS· οι γραμμές πολλών ομιλητών πρέπει να ξεκινούν με ψευδώνυμα από το πεδίο speakers, όπως στο 'Alice: Hello!\nBob: Hi!'. Η εκφορά ελέγχεται λεπτομερώς με εκφραστικές ετικέτες ήχου όπως [sigh], [laughing], [whispering] και [short pause], ή με ενσωματωμένες οδηγίες φυσικής γλώσσας για προφορά, συναίσθημα, ρυθμό και στυλ, όπως 'Say cheerfully: Have a wonderful day!'.
style_instructionsπροαιρετικό
Τύποςstring | null
≤ 4.000 χαρακτήρες
Προαιρετικές οδηγίες φυσικής γλώσσας, ξεχωριστές από το εκφωνούμενο περιεχόμενο και τοποθετημένες πριν από το prompt, για διαμόρφωση εκφραστικότητας, προφοράς, ρυθμού, τόνου και συναισθήματος. Παραδείγματα: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' και 'Whisper mysteriously'.
voiceπροαιρετικό
Τύποςenum
ΠροεπιλογήKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ακόμηLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Επιλογή φωνής ενός ομιλητή από 30 διαφορετικές προεπιλογές· η ρύθμιση speakers απενεργοποιεί αυτή την επιλογή. Δημοφιλείς γυναικείες επιλογές είναι οι Kore, με δυναμική και σταθερή εκφορά, Zephyr, με φωτεινή και καθαρή εκφορά, και Aoede, με ζεστή και μελωδική εκφορά· δημοφιλείς ανδρικές επιλογές είναι οι Puck, ζωηρή και ενεργητική, και Charon, ήρεμη και επαγγελματική.
language_codeπροαιρετικό
Τύποςenum
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 ακόμηRussian (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)
Παράκαμψη γλώσσας πολύγλωσσης σύνθεσης: εφαρμόζεται αυτόματη ανίχνευση από το κείμενο, εκτός αν καθορίσετε γλώσσα για να κατευθύνετε την ομιλία του μοντέλου.
speakersπροαιρετικό
Τύποςobject[]
Διαμόρφωση φωνής που επιτρέπει σε πολλούς ομιλητές να διαβάζουν διαφορετικά τμήματα του κειμένου. Αντιστοιχίστε σε κάθε ομιλητή μια φωνή και ένα ψευδώνυμο speaker_id που ταιριάζει με τα αντίστοιχα προθέματα του prompt.
temperatureπροαιρετικό
Τύποςnumber
Προεπιλογή1
0 – 2
Ρύθμιση τυχαιότητας ομιλίας, από εστιασμένη, προβλέψιμη εκφορά σε χαμηλές τιμές έως δημιουργική, ποικίλη εκφορά σε υψηλές.
output_formatπροαιρετικό
Τύποςenum
Προεπιλογήmp3
wavmp3ogg_opus
Μορφή ήχου εξόδου: το mp3 παρέχει συμπιεσμένα, μικρά αρχεία και συνιστάται· το wav περιέχει ασυμπίεστο PCM σε δοχείο WAV στα 24 kHz με μονοφωνικό ήχο 16-bit· το ogg_opus χρησιμοποιεί Opus μέσα σε Ogg για καλή ισορροπία ποιότητας και μεγέθους.
απαιτείται

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size}Αρχείο ήχου που παράγεται από την παραγωγή.

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/gemini-3.1-flash-tts.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt