# Gemini 3.1 Flash Tts API

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

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.

- Model id: `gemini-3.1-flash-tts`
- Made by: Google
- Category: Text to Speech
- Output: audio
- Price: $0.05 / 1000 characters (cheapest run $0.05 (50 API credits))
- Run: `POST https://api.doitong.com/v1/run/gemini-3.1-flash-tts`
- Quote: `POST https://api.doitong.com/v1/quote/gemini-3.1-flash-tts`
- Docs page: https://doitong.com/el/developers/models/gemini-3.1-flash-tts

## Pricing

Price: **$0.05 / 1000 characters**. Billed per character of `prompt` (the price is per 1000 characters).

The full example input below costs $0.003 = 3 API credits (50 characters × 50 API credits / 1000 characters).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/gemini-3.1-flash-tts` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  | 1 – 50000 characters | 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_instructions` |  | string \| null | no |  | ≤ 4000 characters | 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'. |
| `voice` |  | enum (string) | no | `Kore` | `Achernar`, `Achird`, `Algenib`, `Algieba`, `Alnilam`, `Aoede`, `Autonoe`, `Callirrhoe`, `Charon`, `Despina`, `Enceladus`, `Erinome`, `Fenrir`, `Gacrux`, `Iapetus`, `Kore`, `Laomedeia`, `Leda`, `Orus`, `Pulcherrima`, `Puck`, `Rasalgethi`, `Sadachbia`, `Sadaltager`, `Schedar`, `Sulafat`, `Umbriel`, `Vindemiatrix`, `Zephyr`, `Zubenelgenubi` | 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_code` |  | enum (string) \| null | no |  | `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)`, `Russian (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. |
| `speakers` |  | array of object {voice, speaker_id} \| array of any \| null | no |  |  | 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. |
| `temperature` |  | number | no | `1` | 0 – 2 | Ρύθμιση τυχαιότητας ομιλίας, από εστιασμένη, προβλέψιμη εκφορά σε χαμηλές τιμές έως δημιουργική, ποικίλη εκφορά σε υψηλές. |
| `output_format` |  | enum (string) | no | `mp3` | `wav`, `mp3`, `ogg_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. |

## Example input

Required parameters only:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

A fuller example:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/gemini-3.1-flash-tts?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "Hello from Doitong. This is a short test sentence."
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "Hello from Doitong. This is a short test sentence.",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/gemini-3.1-flash-tts", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "gemini-3.1-flash-tts",
      "input": {
        "prompt": "Hello from Doitong. This is a short test sentence."
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | Αρχείο ήχου που παράγεται από την παραγωγή. |

## Related models

- [Eleven v4 Text to Speech](https://doitong.com/developers/models/elevenlabs/tts/eleven-v4.md) (`elevenlabs/tts/eleven-v4`): $0.08 / 1000 characters
- [MiniMax Speech 2.8 HD](https://doitong.com/developers/models/minimax/speech-2.8-hd.md) (`minimax/speech-2.8-hd`): $0.10 / 1000 characters
- [Gemini 3.8 Flash Lite TTS](https://doitong.com/developers/models/google/gemini-3.8-flash-lite-tts.md) (`google/gemini-3.8-flash-lite-tts`): $0.111 / run
- [Gemini 3.8 Flash TTS](https://doitong.com/developers/models/google/gemini-3.8-flash-tts.md) (`google/gemini-3.8-flash-tts`): $0.045 / run
- [Gemini TTS](https://doitong.com/developers/models/gemini-tts.md) (`gemini-tts`): $0.03 / run
- [Async Text to Speech Pro V1.0](https://doitong.com/developers/models/async/tts-pro/v1.0.md) (`async/tts-pro/v1.0`): $0.01 / 1000 characters
- [Bytedance Seed Speech Text to Speech](https://doitong.com/developers/models/bytedance/seed-speech/tts/v2.md) (`bytedance/seed-speech/tts/v2`): $0.03 / 1000 characters
- [Chatterbox · Speech to Speech](https://doitong.com/developers/models/chatterbox/speech-to-speech.md) (`chatterbox/speech-to-speech`): $0.015 / minute of input audio

## Links

- HTML page: https://doitong.com/developers/models/gemini-3.1-flash-tts
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=gemini-3.1-flash-tts
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/gemini-3.1-flash-tts