Siirry sisältöön

Gemini TTS

Integroi

Mallin tunniste gemini-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-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"

Tämä pyyntö: ≈0,03 $ 30 API-krediittiä Suorita tällä sivulla

Hanki API-avain
Google Tekstistä puheeksi #text-to-speech#audio#gemini

Tekstistä puheeksi -malli, jossa on 30 ääntä, monipuhujakeskustelu, tyyliohjeet ja Flash- tai Pro-mallin valinta

Google · Ääni

Ensimmäinen tuloksesi tulee tähän

Muodosta pyyntö alla ja suorita se API-avaimellasi. Tulosteet kopioidaan tallennustilaamme, jossa ne säilytetään ikuisesti tai 7 päivää ilmaiseksi.

Muodosta pyyntö

Säätimet luodaan mallin skeemasta. Koodi ja hinta päivittyvät, kun muutat arvoja.

•pakollinen 50 / 50000

Gemini TTS:n puheteksti, joka hyväksyy tyylin, tempon, aksentin ja tunteen tekstinsisäiset luonnollisen kielen ohjeet, kuten 'Say cheerfully: Have a wonderful day!'. Tekstinsisäiset merkit, kuten [slowly], [whispering], [excited] ja [extremely fast], ohjaavat myös tempoa ja tyyliä. Usean puhujan rivien on alettava speakers-kentän aliaksilla, esimerkiksi 'Alice: Hello!\nBob: Hi!'.

Lisäasetukset style_instructions · output_format · voice · model · language_code · temperature · speakers
0 / 4000

Valinnaiset luonnollisen kielen ohjeet, jotka pidetään erillään puhutusta sisällöstä ja lisätään ennen kehotetta ilmaisun, aksentin, tempon, sävyn ja tunteen muokkaamiseksi. Esimerkkejä ovat 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' ja 'Whisper mysteriously'.

output_format oletus mp3

Tulosteäänen muoto: mp3 tuottaa pakattuja ja pienikokoisia tiedostoja, ja sitä suositellaan; wav sisältää pakkaamatonta PCM:ää WAV-säiliössä 24 kHz:n näytteenotolla ja 16-bittisenä monoäänenä; ogg_opus käyttää Opusta Oggin sisällä ja tarjoaa hyvän laadun ja koon tasapainon.

oletus Kore

Yhden puhujan äänivalinta 30 eri esiasetuksesta; speakers-asetuksen määrittäminen poistaa tämän valinnan käytöstä. Suosittuja naisääniä ovat Kore, jonka ilmaisu on voimakas ja päättäväinen, Zephyr, jonka ilmaisu on kirkas ja selkeä, sekä Aoede, jonka ilmaisu on lämmin ja melodinen; suosittuja miesääniä ovat Puck, pirteä ja eloisa, sekä Charon, rauhallinen ja ammattimainen.

oletus gemini-2.5-flash-tts

Gemini TTS -mallin valinta. Käytä rakenteisissa työnkuluissa, kuten äänikirjoissa, podcasteissa tai asiakastuessa, korkeimman laadun saavuttamiseksi mallia gemini-2.5-pro-tts.

Monikielisen synteesin puhekieli: jätä tämä pois, jotta malli päättelee kielen tekstistä, tai määritä se ohjaamaan puhuttua tulostetta. Kattavuus on Preview-versiossa yli 60 kieltä ja GA-versiossa 24.

oletus 1

Puheen satunnaisuusasetus, jonka vaikutus vaihtelee matalien asetusten keskittyneestä ja ennakoitavasta ilmaisusta korkeiden asetusten luovaan ja vaihtelevaan ilmaisuun.

gemini-2.5-pro-tts:n ja gemini-2.5-flash-tts:n tukema puhujamääritys, jota gemini-2.5-flash-lite-preview-tts ei tue. Sen määrittäminen antaa eri äänien lukea tekstin eri osia; määritä kullekin puhujalle ääni sekä puhujan kehotteen etuliitteitä vastaava speaker_id-alias.

POST /run/gemini-tts?wait=20 hinta → 0,03 $
# 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-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"

Suorita tämä pyyntö

Avaimesi säilyy tässä selaimessa: se lähetetään vain Doitong APIlle ja tallennetaan localStorageen vain, jos valitset Muista. Hanki API-avain

Tietoja: Gemini TTS

Muuntaa enintään 50,000 merkkiä tekstiä puheeksi. Valitse `voice` sekä `model`: gemini-2.5-flash-tts tai gemini-2.5-pro-tts. `style_instructions` (enintään 4000 merkkiä) ohjaa ilmaisua, ja `speakers` sisältää 2–10 tietuetta monipuhujakäsikirjoituksia varten. Valinnaisia ovat `language_code`, `temperature` 0–2 sekä wav-, mp3- tai ogg_opus-tuloste.

Parametrit

NimiTyyppi OletusSallitut Kuvaus
promptpakollinen
Tyyppistring
≤ 50 000 merkkiä
Gemini TTS:n puheteksti, joka hyväksyy tyylin, tempon, aksentin ja tunteen tekstinsisäiset luonnollisen kielen ohjeet, kuten 'Say cheerfully: Have a wonderful day!'. Tekstinsisäiset merkit, kuten [slowly], [whispering], [excited] ja [extremely fast], ohjaavat myös tempoa ja tyyliä. Usean puhujan rivien on alettava speakers-kentän aliaksilla, esimerkiksi 'Alice: Hello!\nBob: Hi!'.
style_instructionsvalinnainen
Tyyppistring | null
≤ 4 000 merkkiä
Valinnaiset luonnollisen kielen ohjeet, jotka pidetään erillään puhutusta sisällöstä ja lisätään ennen kehotetta ilmaisun, aksentin, tempon, sävyn ja tunteen muokkaamiseksi. Esimerkkejä ovat 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' ja 'Whisper mysteriously'.
voicevalinnainen
Tyyppienum
OletusKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 lisääLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Yhden puhujan äänivalinta 30 eri esiasetuksesta; speakers-asetuksen määrittäminen poistaa tämän valinnan käytöstä. Suosittuja naisääniä ovat Kore, jonka ilmaisu on voimakas ja päättäväinen, Zephyr, jonka ilmaisu on kirkas ja selkeä, sekä Aoede, jonka ilmaisu on lämmin ja melodinen; suosittuja miesääniä ovat Puck, pirteä ja eloisa, sekä Charon, rauhallinen ja ammattimainen.
modelvalinnainen
Tyyppienum
Oletusgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS -mallin valinta. Käytä rakenteisissa työnkuluissa, kuten äänikirjoissa, podcasteissa tai asiakastuessa, korkeimman laadun saavuttamiseksi mallia gemini-2.5-pro-tts.
language_codevalinnainen
Tyyppienum
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 lisääRussian (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)
Monikielisen synteesin puhekieli: jätä tämä pois, jotta malli päättelee kielen tekstistä, tai määritä se ohjaamaan puhuttua tulostetta. Kattavuus on Preview-versiossa yli 60 kieltä ja GA-versiossa 24.
speakersvalinnainen
Tyyppiobject[]
≤ 10 kohdetta≥ 2 kohdetta
gemini-2.5-pro-tts:n ja gemini-2.5-flash-tts:n tukema puhujamääritys, jota gemini-2.5-flash-lite-preview-tts ei tue. Sen määrittäminen antaa eri äänien lukea tekstin eri osia; määritä kullekin puhujalle ääni sekä puhujan kehotteen etuliitteitä vastaava speaker_id-alias.
speakers[].voicepakollinen
Tyyppienum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 lisääLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Tälle puhujalle määritetty esiasetettu ääni.
speakers[].speaker_idpakollinen
Tyyppistring
Puhujan alias, joka sisältää vain aakkosnumeerisia merkkejä eikä välilyöntejä. Tunnista puhuja lisäämällä tämä alias kehotetekstin eteen, kuten 'Alice: Hello! Bob: Hi there!'.
temperaturevalinnainen
Tyyppinumber
Oletus1
0 – 2
Puheen satunnaisuusasetus, jonka vaikutus vaihtelee matalien asetusten keskittyneestä ja ennakoitavasta ilmaisusta korkeiden asetusten luovaan ja vaihtelevaan ilmaisuun.
output_formatvalinnainen
Tyyppienum
Oletusmp3
wavmp3ogg_opus
Tulosteäänen muoto: mp3 tuottaa pakattuja ja pienikokoisia tiedostoja, ja sitä suositellaan; wav sisältää pakkaamatonta PCM:ää WAV-säiliössä 24 kHz:n näytteenotolla ja 16-bittisenä monoäänenä; ogg_opus käyttää Opusta Oggin sisällä ja tarjoaa hyvän laadun ja koon tasapainon.
pakollinen

Tulos

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "gemini-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": 30,
    "usd": "0.03",
    "charged": 30,
    "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"
  }
}
Tiedostosi, valintasiJokainen outputs[].url on kopio tallennustilassamme: säilytetään ikuisesti (maksetaan gigatavu-kuukauden mukaan) tai 7 päivää ilmaiseksi tiliasetuksesi tai ?storage= perusteella.
Sama rakenne kaikissa malleissatype, url, content_type, width, height ja duration kuville, videolle ja äänelle. output on mallin oma tulosobjekti.
Tuloksen kentät
audio
object {url, content_type, file_name, file_size}Generoinnissa tuotettu äänitiedosto.

Tekoälyagenteille: tämän sivun Markdown-muoto on osoitteessa https://doitong.com/fi/developers/models/gemini-tts.md. Kaikki mallit ja oppaat: https://doitong.com/developers/llms.txt