Lumaktaw sa nilalaman

Gemini 3.1 Flash Tts

I-integrate

ID ng 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"

Kahilingang ito: $0.003 3 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
Google Text patungong Speech LipsyncMabilis #avatar

Gemini 3.1 Flash tekstong-to-speech na may inline estilo control, 30 boses at hanggang 10 speaker

Google · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan 50 / 50000

Text para sa speech synthesis ng Gemini 3.1 Flash TTS; dapat magsimula sa alias mula sa speakers field ang mga linya ng maraming speaker, gaya ng 'Alice: Hello!\nBob: Hi!'. Maaaring kontrolin nang eksakto ang delivery gamit ang expressive audio tag gaya ng [sigh], [laughing], [whispering], at [short pause], o inline na direksyon sa natural na wika para sa accent, emotion, pacing, at style, gaya ng 'Say cheerfully: Have a wonderful day!'.

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

Opsyonal na direksyon sa natural na wika na hiwalay sa binibigkas na content at ipinapasok bago ang prompt upang hubugin ang expressiveness, accent, pace, tone, at emotion. Kabilang sa mga halimbawa ang 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', at 'Whisper mysteriously'.

output_format default na mp3

Format ng output na audio: nagbibigay ang mp3 ng compressed at compact na file at inirerekomenda; naglalaman ang wav ng uncompressed PCM sa WAV container sa 24 kHz na may 16-bit mono audio; gumagamit ang ogg_opus ng Opus sa loob ng Ogg para sa magandang balanse ng kalidad at laki.

default na Kore

Pagpili ng boses ng iisang speaker mula sa 30 magkakaibang preset; nagiging inactive ang pagpiling ito kapag itinakda ang speakers. Kabilang sa mga sikat na opsyon para sa babae ang Kore, na malakas at matatag ang delivery, Zephyr, na maliwanag at malinaw ang delivery, at Aoede, na mainit at melodiko ang delivery; kabilang sa mga sikat na opsyon para sa lalaki ang Puck, masigla at buhay na buhay, at Charon, kalmado at propesyonal.

Override ng wika para sa multilingual synthesis: awtomatikong tinutukoy ang wika mula sa text maliban kung tumukoy ka ng wika upang gabayan ang speech ng modelo.

default na 1

Setting ng randomness ng speech, mula sa focused at predictable na delivery sa mababang setting hanggang sa creative at iba-ibang delivery sa mataas na setting.

Voice configuration na nagpapahintulot sa maraming speaker na bumasa ng magkakahiwalay na bahagi ng text. Magtalaga sa bawat speaker ng boses at speaker_id alias na tumutugma sa kaukulang prefix ng prompt.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Gemini 3.1 Flash Tts

Ginagawang speech ang `prompt` na hanggang 50000 character. Maaaring gabayan ang delivery inline o sa pamamagitan ng `style_instructions`. Pumili ng isa sa 30 boses, magtakda ng `language_code`, o gamitin ang `speakers` (2 hanggang 10) para sa multi-speaker audio. mp3, wav o ogg_opus ang output, na may `temperature` mula 0 hanggang 2.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
promptkinakailangan
Uristring
≤ 50,000 character
Text para sa speech synthesis ng Gemini 3.1 Flash TTS; dapat magsimula sa alias mula sa speakers field ang mga linya ng maraming speaker, gaya ng 'Alice: Hello!\nBob: Hi!'. Maaaring kontrolin nang eksakto ang delivery gamit ang expressive audio tag gaya ng [sigh], [laughing], [whispering], at [short pause], o inline na direksyon sa natural na wika para sa accent, emotion, pacing, at style, gaya ng 'Say cheerfully: Have a wonderful day!'.
style_instructionsopsyonal
Uristring | null
≤ 4,000 character
Opsyonal na direksyon sa natural na wika na hiwalay sa binibigkas na content at ipinapasok bago ang prompt upang hubugin ang expressiveness, accent, pace, tone, at emotion. Kabilang sa mga halimbawa ang 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', at 'Whisper mysteriously'.
voiceopsyonal
Urienum
defaultKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 paLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Pagpili ng boses ng iisang speaker mula sa 30 magkakaibang preset; nagiging inactive ang pagpiling ito kapag itinakda ang speakers. Kabilang sa mga sikat na opsyon para sa babae ang Kore, na malakas at matatag ang delivery, Zephyr, na maliwanag at malinaw ang delivery, at Aoede, na mainit at melodiko ang delivery; kabilang sa mga sikat na opsyon para sa lalaki ang Puck, masigla at buhay na buhay, at Charon, kalmado at propesyonal.
language_codeopsyonal
Urienum
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 paRussian (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)
Override ng wika para sa multilingual synthesis: awtomatikong tinutukoy ang wika mula sa text maliban kung tumukoy ka ng wika upang gabayan ang speech ng modelo.
speakersopsyonal
Uriobject[]
Voice configuration na nagpapahintulot sa maraming speaker na bumasa ng magkakahiwalay na bahagi ng text. Magtalaga sa bawat speaker ng boses at speaker_id alias na tumutugma sa kaukulang prefix ng prompt.
temperatureopsyonal
Urinumber
default1
0 – 2
Setting ng randomness ng speech, mula sa focused at predictable na delivery sa mababang setting hanggang sa creative at iba-ibang delivery sa mataas na setting.
output_formatopsyonal
Urienum
defaultmp3
wavmp3ogg_opus
Format ng output na audio: nagbibigay ang mp3 ng compressed at compact na file at inirerekomenda; naglalaman ang wav ng uncompressed PCM sa WAV container sa 24 kHz na may 16-bit mono audio; gumagamit ang ogg_opus ng Opus sa loob ng Ogg para sa magandang balanse ng kalidad at laki.
kinakailangan

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size}Audio file na ginawa sa pagbuo.

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/gemini-3.1-flash-tts.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt