Passer au contenu

Gemini 3.1 Flash Tts

Intégrer

Identifiant du modèle 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"

Cette requête: 0,003 $ 3 crédits API L’exécuter sur cette page

Obtenir une clé API
Google Texte vers parole Synchronisation labialeRapide #lipsync#avatar

Synthèse vocale Gemini 3.1 Flash avec contrôle de style intégré, 30 voix et jusqu’à 10 intervenants

Google · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis 50 / 50000

Texte de synthèse vocale pour Gemini 3.1 Flash TTS ; les lignes à plusieurs intervenants doivent commencer par les alias du champ speakers, comme dans 'Alice: Hello!\nBob: Hi!'. La diffusion peut être contrôlée finement avec des balises audio expressives telles que [sigh], [laughing], [whispering] et [short pause], ou avec des indications en langage naturel pour l'accent, l'émotion, le rythme et le style, telles que 'Say cheerfully: Have a wonderful day!'.

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

Indications facultatives en langage naturel, séparées du contenu parlé et insérées avant le prompt pour modeler l'expressivité, l'accent, le rythme, le ton et l'émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.

output_format par défaut mp3

Format de l'audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé ; wav contient de l'audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits ; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.

par défaut Kore

Sélection de voix pour un seul intervenant parmi 30 préréglages distincts ; définir speakers désactive cette sélection. Les options féminines populaires sont Kore, au débit ferme et assuré, Zephyr, au rendu clair et lumineux, et Aoede, au rendu chaleureux et mélodique ; les options masculines populaires sont Puck, dynamique et enjoué, et Charon, calme et professionnel.

Remplacement de la langue de synthèse multilingue : la détection automatique depuis le texte s'applique sauf si vous spécifiez une langue pour orienter la voix du modèle.

par défaut 1

Paramètre d'aléatoire de la parole, allant d'un rendu ciblé et prévisible aux valeurs basses à un rendu créatif et varié aux valeurs élevées.

Configuration vocale permettant à plusieurs intervenants de lire des portions distinctes du texte. Attribuez à chaque intervenant une voix et un alias speaker_id correspondant aux préfixes du prompt.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Gemini 3.1 Flash Tts

Convertit un `prompt` de 50000 caractères maximum en parole. Le rendu peut être orienté en ligne ou via `style_instructions`. Choisissez l’une des 30 voix, définissez un `language_code` ou utilisez `speakers` (2 à 10) pour un audio multivoix. La sortie est en mp3, wav ou ogg_opus, avec `temperature` de 0 à 2.

Paramètres

NomType Par défautAutorisé Description
promptrequis
Typestring
≤ 50 000 caractères
Texte de synthèse vocale pour Gemini 3.1 Flash TTS ; les lignes à plusieurs intervenants doivent commencer par les alias du champ speakers, comme dans 'Alice: Hello!\nBob: Hi!'. La diffusion peut être contrôlée finement avec des balises audio expressives telles que [sigh], [laughing], [whispering] et [short pause], ou avec des indications en langage naturel pour l'accent, l'émotion, le rythme et le style, telles que 'Say cheerfully: Have a wonderful day!'.
style_instructionsfacultatif
Typestring | null
≤ 4 000 caractères
Indications facultatives en langage naturel, séparées du contenu parlé et insérées avant le prompt pour modeler l'expressivité, l'accent, le rythme, le ton et l'émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.
voicefacultatif
Typeenum
Par défautKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 de plusLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Sélection de voix pour un seul intervenant parmi 30 préréglages distincts ; définir speakers désactive cette sélection. Les options féminines populaires sont Kore, au débit ferme et assuré, Zephyr, au rendu clair et lumineux, et Aoede, au rendu chaleureux et mélodique ; les options masculines populaires sont Puck, dynamique et enjoué, et Charon, calme et professionnel.
language_codefacultatif
Typeenum
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 de plusRussian (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)
Remplacement de la langue de synthèse multilingue : la détection automatique depuis le texte s'applique sauf si vous spécifiez une langue pour orienter la voix du modèle.
speakersfacultatif
Typeobject[]
Configuration vocale permettant à plusieurs intervenants de lire des portions distinctes du texte. Attribuez à chaque intervenant une voix et un alias speaker_id correspondant aux préfixes du prompt.
temperaturefacultatif
Typenumber
Par défaut1
0 – 2
Paramètre d'aléatoire de la parole, allant d'un rendu ciblé et prévisible aux valeurs basses à un rendu créatif et varié aux valeurs élevées.
output_formatfacultatif
Typeenum
Par défautmp3
wavmp3ogg_opus
Format de l'audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé ; wav contient de l'audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits ; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.
requis

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio produit par la génération.

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/gemini-3.1-flash-tts.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt