Μετάβαση στο περιεχόμενο

Gemini 3.8 Flash TTS

Ενσωμάτωση

id μοντέλου google/gemini-3.8-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/google/gemini-3.8-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: ≈0,045 $ 45 πιστώσεις API Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Google Κείμενο σε ομιλία Γρήγορο #text-to-speech#audio#dialogue#voiceover

Τυπικό Gemini 3.8 Flash text-to-speech για αφήγηση ή διάλογο δύο ομιλητών, με 30 φωνές

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.

Κείμενο που εκφωνείται ακριβώς από έναν ομιλητή· χρησιμοποιήστε speakers και turns για διάλογο και παραλείψτε το prompt. Χρησιμοποιήστε style_instructions για οδηγίες εκφοράς και σημειώστε φωνητικά συμβάντα ενσωματωμένα με <laugh> ή <sigh>. Ο πάροχος επιτρέπει έως 8,192 token σε ολόκληρη την είσοδο.

Για προχωρημένους style_instructions · voice · enable_safety_checker · speakers · turns

Προεπιλεγμένη καθοδήγηση εκφοράς για κάθε turn, με δυνατότητα παράκαμψης· αυτές οι οδηγίες δεν αποτελούν μέρος της απομαγνητοφώνησης.

προεπιλογή Kore

Προκαθορισμένη φωνή για ομιλία ενός ομιλητή.

Διαμόρφωση ομιλητών διαλόγου που περιέχει ακριβώς δύο διαφορετικά ψευδώνυμα, καθένα με προκατασκευασμένη φωνή.

Ακολουθία turns διαλόγου, με διαμορφωμένο ομιλητή για κάθε turn.

POST /run/google/gemini-3.8-flash-tts?wait=20 προσφορά → 0,045 $
# 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/google/gemini-3.8-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 3.8 Flash TTS

Δημιουργεί ήχο WAV από ένα `prompt` χρησιμοποιώντας μία από 30 έτοιμες φωνές ή από δύο `speakers` και μια λίστα `turns` για διάλογο. Το `style_instructions` ορίζει ξεχωριστά την εκφορά από το κείμενο και μπορεί να εφαρμοστεί σε όλες τις στροφές. Επιτρέπονται ενσωματωμένα φωνητικά συμβάντα όπως <laugh> και <sigh>.

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
promptπροαιρετικό
Τύποςstring | null
Κείμενο που εκφωνείται ακριβώς από έναν ομιλητή· χρησιμοποιήστε speakers και turns για διάλογο και παραλείψτε το prompt. Χρησιμοποιήστε style_instructions για οδηγίες εκφοράς και σημειώστε φωνητικά συμβάντα ενσωματωμένα με <laugh> ή <sigh>. Ο πάροχος επιτρέπει έως 8,192 token σε ολόκληρη την είσοδο.
style_instructionsπροαιρετικό
Τύποςstring | null
Προεπιλεγμένη καθοδήγηση εκφοράς για κάθε turn, με δυνατότητα παράκαμψης· αυτές οι οδηγίες δεν αποτελούν μέρος της απομαγνητοφώνησης.
voiceπροαιρετικό
Τύποςenum
ΠροεπιλογήKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ακόμηLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Προκαθορισμένη φωνή για ομιλία ενός ομιλητή.
speakersπροαιρετικό
Τύποςobject[]
≤ 2 στοιχεία≥ 2 στοιχεία
Διαμόρφωση ομιλητών διαλόγου που περιέχει ακριβώς δύο διαφορετικά ψευδώνυμα, καθένα με προκατασκευασμένη φωνή.
speakers[].speaker_idαπαιτείται
Τύποςstring
≥ 1 characters
Ψευδώνυμο που προσδιορίζει τον ομιλητή σε κάθε turn.
speakers[].voiceαπαιτείται
Τύποςenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ακόμηLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Προκαθορισμένη φωνή που αντιστοιχίζεται σε αυτόν τον ομιλητή.
turnsπροαιρετικό
Τύποςobject[]
Ακολουθία turns διαλόγου, με διαμορφωμένο ομιλητή για κάθε turn.
turns[].speaker_idαπαιτείται
Τύποςstring
≥ 1 characters
Ψευδώνυμο που προσδιορίζει ομιλητή από τη διαμόρφωση.
turns[].textαπαιτείται
Τύποςstring
≥ 1 characters
Ακριβής απομαγνητοφώνηση που εκφωνείται σε αυτό το turn.
turns[].style_instructionsπροαιρετικό
Τύποςstring | null
Προαιρετικό στυλ εκφοράς ομιλίας για αυτό το turn.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται

Έξοδος

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "google/gemini-3.8-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": 45,
    "usd": "0.045",
    "charged": 45,
    "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}Έξοδος ήχου σε μορφή WAV.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/google/gemini-3.8-flash-tts.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt