Lumaktaw sa nilalaman

Gemini 3.8 Flash TTS

I-integrate

ID ng 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"

Kahilingang ito: ≈$0.045 45 kredito ng API Patakbuhin ito sa page na ito

Kumuha ng API key
Google Text patungong Speech Mabilis #text-to-speech#audio#dialogue#voiceover

Karaniwang Gemini 3.8 Flash text-to-speech para sa narration o dialogue ng dalawang speaker, na may 30 boses

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.

Text na eksaktong bibigkasin ng iisang speaker; gamitin ang speakers at turns para sa dialogue at huwag isama ang prompt. Gamitin ang style_instructions para sa guidance sa delivery, at markahan ang vocal event inline gamit ang <laugh> o <sigh>. Pinapayagan ng provider ang hindi hihigit sa 8,192 token sa buong input.

advanced style_instructions · voice · enable_safety_checker · speakers · turns

Default na guidance sa delivery para sa bawat turn, na maaaring ma-override; hindi bahagi ng spoken transcript ang mga instruction na ito.

default na Kore

Preset na boses na ginagamit sa speech ng iisang speaker.

Configuration ng dialogue speaker na naglalaman ng eksaktong dalawang magkaibang alias, na bawat isa ay ipinares sa prebuilt na boses.

Sequence ng mga dialogue turn, na may naka-configure na speaker para sa bawat isa.

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

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 3.8 Flash TTS

Gumagawa ng WAV audio mula sa `prompt` gamit ang isa sa 30 prebuilt na boses, o mula sa dalawang `speakers` at listahan ng `turns` para sa dialogue. Hiwalay na itinatakda ng `style_instructions` ang delivery mula sa transcript at maaari itong ilapat sa lahat ng turn. Pinapayagan ang inline vocal event gaya ng <laugh> at <sigh>.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
promptopsyonal
Uristring | null
Text na eksaktong bibigkasin ng iisang speaker; gamitin ang speakers at turns para sa dialogue at huwag isama ang prompt. Gamitin ang style_instructions para sa guidance sa delivery, at markahan ang vocal event inline gamit ang <laugh> o <sigh>. Pinapayagan ng provider ang hindi hihigit sa 8,192 token sa buong input.
style_instructionsopsyonal
Uristring | null
Default na guidance sa delivery para sa bawat turn, na maaaring ma-override; hindi bahagi ng spoken transcript ang mga instruction na ito.
voiceopsyonal
Urienum
defaultKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 paLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Preset na boses na ginagamit sa speech ng iisang speaker.
speakersopsyonal
Uriobject[]
≤ 2 item≥ 2 item
Configuration ng dialogue speaker na naglalaman ng eksaktong dalawang magkaibang alias, na bawat isa ay ipinares sa prebuilt na boses.
speakers[].speaker_idkinakailangan
Uristring
≥ 1 characters
Alias na tumutukoy sa speaker sa bawat turn.
speakers[].voicekinakailangan
Urienum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 paLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Preset na boses na itinalaga sa speaker na ito.
turnsopsyonal
Uriobject[]
Sequence ng mga dialogue turn, na may naka-configure na speaker para sa bawat isa.
turns[].speaker_idkinakailangan
Uristring
≥ 1 characters
Alias na tumutukoy sa speaker mula sa configuration.
turns[].textkinakailangan
Uristring
≥ 1 characters
Eksaktong transcript na bibigkasin sa turn na ito.
turns[].style_instructionsopsyonal
Uristring | null
Opsyonal na style ng speech delivery para sa turn na ito.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan

Output

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"
  }
}
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 output sa WAV format.

Higit pang modelo: Text patungong Speech

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/google/gemini-3.8-flash-tts.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt