Passer au contenu

Gemini TTS

Intégrer

Identifiant du modèle 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"

Cette requête: ≈0,03 $ 30 crédits API L’exécuter sur cette page

Obtenir une clé API
Google Texte vers parole #text-to-speech#audio#gemini

Synthèse vocale avec 30 voix, dialogue multivoix, instructions de style et choix entre modèle Flash ou Pro

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 parlé pour Gemini TTS, acceptant des indications en langage naturel intégrées pour le style, le rythme, l'accent et l'émotion, telles que 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés comme [slowly], [whispering], [excited] et [extremely fast] contrôlent aussi le rythme et le style. Plusieurs intervenants nécessitent des lignes commençant par les alias du champ speakers, par exemple 'Alice: Hello!\nBob: Hi!'.

Avancé style_instructions · output_format · voice · model · 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.

par défaut gemini-2.5-flash-tts

Sélection du modèle Gemini TTS. Pour la meilleure qualité dans les flux structurés comme les livres audio, les podcasts ou le support client, utilisez gemini-2.5-pro-tts.

Langue parlée pour la synthèse multilingue : omettez-la pour laisser le modèle déduire la langue de votre texte, ou fournissez-la pour orienter la sortie vocale. La couverture inclut plus de 60 langues en Preview et 24 en GA.

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 des intervenants prise en charge par gemini-2.5-pro-tts et gemini-2.5-flash-tts, mais pas par gemini-2.5-flash-lite-preview-tts. La fournir permet à différentes voix de lire différentes portions du texte ; pour chaque intervenant, fournissez une voix et un alias speaker_id correspondant à ses préfixes de prompt.

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

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 TTS

Convertit jusqu’à 50 000 caractères de texte en parole. Sélectionnez une `voice` et le `model` gemini-2.5-flash-tts ou gemini-2.5-pro-tts. `style_instructions` (jusqu’à 4000 caractères) oriente le rendu, et `speakers` accepte 2 à 10 entrées pour les scripts multivoix. `language_code` et `temperature` de 0 à 2 sont facultatifs ; la sortie peut être en wav, mp3 ou ogg_opus.

Paramètres

NomType Par défautAutorisé Description
promptrequis
Typestring
≤ 50 000 caractères
Texte parlé pour Gemini TTS, acceptant des indications en langage naturel intégrées pour le style, le rythme, l'accent et l'émotion, telles que 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés comme [slowly], [whispering], [excited] et [extremely fast] contrôlent aussi le rythme et le style. Plusieurs intervenants nécessitent des lignes commençant par les alias du champ speakers, par exemple 'Alice: Hello!\nBob: Hi!'.
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.
modelfacultatif
Typeenum
Par défautgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Sélection du modèle Gemini TTS. Pour la meilleure qualité dans les flux structurés comme les livres audio, les podcasts ou le support client, utilisez gemini-2.5-pro-tts.
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)
Langue parlée pour la synthèse multilingue : omettez-la pour laisser le modèle déduire la langue de votre texte, ou fournissez-la pour orienter la sortie vocale. La couverture inclut plus de 60 langues en Preview et 24 en GA.
speakersfacultatif
Typeobject[]
≤ 10 éléments≥ 2 éléments
Configuration des intervenants prise en charge par gemini-2.5-pro-tts et gemini-2.5-flash-tts, mais pas par gemini-2.5-flash-lite-preview-tts. La fournir permet à différentes voix de lire différentes portions du texte ; pour chaque intervenant, fournissez une voix et un alias speaker_id correspondant à ses préfixes de prompt.
speakers[].voicerequis
Typeenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 de plusLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voix préréglée attribuée à cet intervenant.
speakers[].speaker_idrequis
Typestring
Alias d'intervenant contenant uniquement des caractères alphanumériques et aucun espace. Identifiez l'intervenant en préfixant son texte de prompt avec cet alias, comme dans 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt