رفتن به محتوا

Gemini 3.8 Flash TTS

یکپارچه‌سازی

شناسه مدل 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"

این درخواست: ≈⁨‎$۰٫۰۴۵⁩ ۴۵ اعتبار API اجرای آن در این صفحه

دریافت کلید API
Google متن به گفتار سریع #text-to-speech#audio#dialogue#voiceover

تبدیل متن به گفتار استاندارد Gemini 3.8 Flash برای روایت یا گفت‌وگوی دوگوینده، با 30 صدا

Google · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

متنی که باید عیناً توسط یک گوینده خوانده شود؛ برای گفت‌وگو از speakers و turns استفاده کنید و پرامپت را حذف کنید. برای راهنمایی دربارهٔ نحوهٔ بیان از style_instructions استفاده کنید و رویدادهای صوتی را در متن با <laugh> یا <sigh> مشخص کنید. ارائه‌دهنده در کل ورودی حداکثر 8,192 توکن مجاز می‌داند.

پیشرفته style_instructions · voice · enable_safety_checker · speakers · turns

راهنمای پیش‌فرض نحوه بیان برای هر نوبت، قابل بازنویسی؛ این دستورها بخشی از متن گفتاری نیستند.

پیش‌فرض Kore

صدای پیش‌تنظیم برای گفتار تک‌گوینده.

پیکربندی گویندگان گفت‌وگو، شامل دقیقاً دو نام مستعار متفاوت که هرکدام با یک صدای ازپیش‌ساخته جفت شده‌اند.

دنباله‌ای از نوبت‌های گفت‌وگو که برای هرکدام گوینده‌ای پیکربندی‌شده مشخص شده است.

POST /run/google/gemini-3.8-flash-tts?wait=20 قیمت → ⁨‎$۰٫۰۴۵⁩
# 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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Gemini 3.8 Flash TTS

با استفاده از یکی از 30 صدای آماده، از یک `prompt` صدای WAV ایجاد می‌کند؛ یا برای گفت‌وگو از دو `speakers` و فهرستی از `turns` استفاده می‌کند. `style_instructions` نحوه بیان را جدا از متن پیاده‌سازی تعیین می‌کند و می‌تواند روی همه turnها اعمال شود. رویدادهای صوتی درون‌خطی مانند <laugh> و <sigh> مجاز هستند.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
promptاختیاری
نوعstring | null
متنی که باید عیناً توسط یک گوینده خوانده شود؛ برای گفت‌وگو از speakers و turns استفاده کنید و پرامپت را حذف کنید. برای راهنمایی دربارهٔ نحوهٔ بیان از style_instructions استفاده کنید و رویدادهای صوتی را در متن با <laugh> یا <sigh> مشخص کنید. ارائه‌دهنده در کل ورودی حداکثر 8,192 توکن مجاز می‌داند.
style_instructionsاختیاری
نوعstring | null
راهنمای پیش‌فرض نحوه بیان برای هر نوبت، قابل بازنویسی؛ این دستورها بخشی از متن گفتاری نیستند.
voiceاختیاری
نوعenum
پیش‌فرضKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 مورد دیگرLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
صدای پیش‌تنظیم برای گفتار تک‌گوینده.
speakersاختیاری
نوعobject[]
≤ ۲ مورد≥ ۲ مورد
پیکربندی گویندگان گفت‌وگو، شامل دقیقاً دو نام مستعار متفاوت که هرکدام با یک صدای ازپیش‌ساخته جفت شده‌اند.
speakers[].speaker_idالزامی
نوعstring
≥ 1 characters
نام مستعار شناسایی‌کننده گوینده در هر نوبت.
speakers[].voiceالزامی
نوعenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 مورد دیگرLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
صدای پیش‌تنظیم اختصاص‌یافته به این گوینده.
turnsاختیاری
نوعobject[]
دنباله‌ای از نوبت‌های گفت‌وگو که برای هرکدام گوینده‌ای پیکربندی‌شده مشخص شده است.
turns[].speaker_idالزامی
نوعstring
≥ 1 characters
نام مستعار شناسایی‌کننده گوینده از پیکربندی.
turns[].textالزامی
نوعstring
≥ 1 characters
متن دقیق برای خواندن در این نوبت.
turns[].style_instructionsاختیاری
نوعstring | null
سبک اختیاری نحوه بیان گفتار در این نوبت.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی

خروجی

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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size}خروجی صوتی در قالب WAV.

مدل‌های بیشتر: متن به گفتار

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/google/gemini-3.8-flash-tts.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt