Ir al contenido

Gemini 3.8 Flash TTS

Integrar

Id del modelo 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"

Esta solicitud: ≈0,045 $ 45 créditos de API Ejecutar en esta página

Obtener clave de API
Google Texto a voz Rápido #text-to-speech#audio#dialogue#voiceover

Texto a voz estándar de Gemini 3.8 Flash para narración o diálogos entre dos hablantes, con 30 voces

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.

Texto que un solo hablante debe pronunciar exactamente; usa speakers y turns para el diálogo y omite prompt. Usa style_instructions para indicar la interpretación y marca eventos vocales insertando <laugh> o <sigh>. El proveedor permite como máximo 8,192 tokens en toda la entrada.

Avanzado style_instructions · voice · enable_safety_checker · speakers · turns

Orientación de interpretación predeterminada para cada turno, sujeta a sobrescrituras; estas instrucciones no forman parte de la transcripción hablada.

predeterminado Kore

Voz preestablecida utilizada para el habla con un solo hablante.

Configuración de hablantes del diálogo que contiene exactamente dos alias diferentes, cada uno asociado a una voz predefinida.

Secuencia de turnos de diálogo, con un hablante configurado identificado en cada uno.

POST /run/google/gemini-3.8-flash-tts?wait=20 cotización → 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"

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 3.8 Flash TTS

Crea audio WAV a partir de un `prompt` usando una de 30 voces predefinidas, o a partir de dos `speakers` y una lista de `turns` para diálogos. `style_instructions` define la interpretación por separado de la transcripción y puede aplicarse a todos los turnos. Se permiten eventos vocales integrados como <laugh> y <sigh>.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
promptopcional
Tipostring | null
Texto que un solo hablante debe pronunciar exactamente; usa speakers y turns para el diálogo y omite prompt. Usa style_instructions para indicar la interpretación y marca eventos vocales insertando <laugh> o <sigh>. El proveedor permite como máximo 8,192 tokens en toda la entrada.
style_instructionsopcional
Tipostring | null
Orientación de interpretación predeterminada para cada turno, sujeta a sobrescrituras; estas instrucciones no forman parte de la transcripción hablada.
voiceopcional
Tipoenum
PredeterminadoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 másLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voz preestablecida utilizada para el habla con un solo hablante.
speakersopcional
Tipoobject[]
≤ 2 elementos≥ 2 elementos
Configuración de hablantes del diálogo que contiene exactamente dos alias diferentes, cada uno asociado a una voz predefinida.
speakers[].speaker_idobligatorio
Tipostring
≥ 1 characters
Alias que identifica al hablante en cada turno.
speakers[].voiceobligatorio
Tipoenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 másLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voz preestablecida asignada a este hablante.
turnsopcional
Tipoobject[]
Secuencia de turnos de diálogo, con un hablante configurado identificado en cada uno.
turns[].speaker_idobligatorio
Tipostring
≥ 1 characters
Alias que identifica a un hablante de la configuración.
turns[].textobligatorio
Tipostring
≥ 1 characters
Transcripción exacta que se pronunciará durante este turno.
turns[].style_instructionsopcional
Tipostring | null
Estilo opcional de interpretación del habla para este turno.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
obligatorio

Salida

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"
  }
}
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}Audio de salida en formato WAV.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está en https://doitong.com/es/developers/models/google/gemini-3.8-flash-tts.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt