Ir al contenido

Gemini 3.1 Flash Tts

Integrar

Id del modelo 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"

Esta solicitud: 0,003 $ 3 créditos de API Ejecutar en esta página

Obtener clave de API
Google Texto a voz Sincronización labialRápido #lipsync#avatar

Texto a voz de Gemini 3.1 Flash con control de estilo integrado, 30 voces y hasta 10 hablantes

Google · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, conservadas para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan al modificarlos.

•obligatorio 50 / 50000

Texto para síntesis de voz de Gemini 3.1 Flash TTS; las líneas con varios hablantes deben comenzar con alias del campo speakers, como en 'Alice: Hello!\nBob: Hi!'. La entrega puede controlarse con precisión mediante etiquetas de audio expresivas como [sigh], [laughing], [whispering] y [short pause], o con indicaciones en lenguaje natural insertadas para el acento, la emoción, el ritmo y el estilo, como 'Say cheerfully: Have a wonderful day!'.

Avanzado style_instructions · output_format · voice · language_code · temperature · speakers
0 / 4000

Indicaciones opcionales en lenguaje natural, separadas del contenido hablado e insertadas antes del prompt para definir expresividad, acento, ritmo, tono y emoción. Algunos ejemplos son 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' y 'Whisper mysteriously'.

output_format predeterminado mp3

Formato del audio de salida: mp3 proporciona archivos comprimidos y compactos, y se recomienda; wav contiene PCM sin comprimir en un contenedor WAV a 24 kHz con audio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para ofrecer un equilibrio favorable entre calidad y tamaño.

predeterminado Kore

Selección de voz para un solo hablante entre 30 valores preestablecidos; establecer speakers desactiva esta selección. Las opciones femeninas populares son Kore, con una interpretación firme y contundente; Zephyr, clara y brillante; y Aoede, cálida y melódica. Las opciones masculinas populares son Puck, animada y enérgica, y Charon, tranquila y profesional.

Anulación del idioma de síntesis multilingüe: se aplica la detección automática a partir del texto a menos que especifiques un idioma para dirigir el habla del modelo.

predeterminado 1

Ajuste de aleatoriedad del habla, cuyo efecto va desde una interpretación enfocada y predecible con valores bajos hasta una interpretación creativa y variada con valores altos.

Configuración de voz que permite que varios hablantes lean partes separadas del texto. Asigna a cada hablante una voz y un alias speaker_id que coincida con los prefijos correspondientes del prompt.

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

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda (localStorage) únicamente si marcas Recordar. Obtener una clave de API

Acerca de Gemini 3.1 Flash Tts

Convierte un `prompt` de hasta 50000 caracteres en voz. La interpretación puede dirigirse de forma integrada o mediante `style_instructions`. Elige una de 30 voces, establece un `language_code` o usa `speakers` (de 2 a 10) para audio con varios hablantes. La salida puede ser mp3, wav u ogg_opus, con `temperature` de 0 a 2.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50.000 caracteres
Texto para síntesis de voz de Gemini 3.1 Flash TTS; las líneas con varios hablantes deben comenzar con alias del campo speakers, como en 'Alice: Hello!\nBob: Hi!'. La entrega puede controlarse con precisión mediante etiquetas de audio expresivas como [sigh], [laughing], [whispering] y [short pause], o con indicaciones en lenguaje natural insertadas para el acento, la emoción, el ritmo y el estilo, como 'Say cheerfully: Have a wonderful day!'.
style_instructionsopcional
Tipostring | null
≤ 4000 caracteres
Indicaciones opcionales en lenguaje natural, separadas del contenido hablado e insertadas antes del prompt para definir expresividad, acento, ritmo, tono y emoción. Algunos ejemplos son 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' y 'Whisper mysteriously'.
voiceopcional
Tipoenum
PredeterminadoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 másLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Selección de voz para un solo hablante entre 30 valores preestablecidos; establecer speakers desactiva esta selección. Las opciones femeninas populares son Kore, con una interpretación firme y contundente; Zephyr, clara y brillante; y Aoede, cálida y melódica. Las opciones masculinas populares son Puck, animada y enérgica, y Charon, tranquila y profesional.
language_codeopcional
Tipoenum
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 másRussian (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)
Anulación del idioma de síntesis multilingüe: se aplica la detección automática a partir del texto a menos que especifiques un idioma para dirigir el habla del modelo.
speakersopcional
Tipoobject[]
Configuración de voz que permite que varios hablantes lean partes separadas del texto. Asigna a cada hablante una voz y un alias speaker_id que coincida con los prefijos correspondientes del prompt.
temperatureopcional
Tiponumber
Predeterminado1
0 – 2
Ajuste de aleatoriedad del habla, cuyo efecto va desde una interpretación enfocada y predecible con valores bajos hasta una interpretación creativa y variada con valores altos.
output_formatopcional
Tipoenum
Predeterminadomp3
wavmp3ogg_opus
Formato del audio de salida: mp3 proporciona archivos comprimidos y compactos, y se recomienda; wav contiene PCM sin comprimir en un contenedor WAV a 24 kHz con audio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para ofrecer un equilibrio favorable entre calidad y tamaño.
obligatorio

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: conservada para siempre (se cobra por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para vídeo y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/gemini-3.1-flash-tts.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt