Léim chuig an ábhar

Gemini 3.1 Flash Tts

Comhtháthú

Aitheantas na samhla 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"

An t-iarratas seo: $0.003 3 chreidmheas API Rith ar an leathanach seo

Faigh eochair API
Google Téacs go Urlabhra Sioncronú liopaíTapa #lipsync#avatar

Téacs-go-hurlabhra Gemini 3.1 Flash le rialú stíle inlíne, 30 guth agus suas le 10 gcainteoir

Google · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach 50 / 50000

Téacs sintéise cainte do Gemini 3.1 Flash TTS; caithfidh línte ilchainteoirí tosú le hailiasanna ón réimse speakers, mar atá in 'Alice: Hello!\nBob: Hi!'. Is féidir seachadadh a rialú go mion le clibeanna fuaime léiritheacha amhail [sigh], [laughing], [whispering], agus [short pause], nó le treoracha teanga nádúrtha inlíne maidir le haicinn, mothúchán, luas agus stíl, amhail 'Say cheerfully: Have a wonderful day!'.

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

Treoracha roghnacha teanga nádúrtha a choimeádtar scartha ón ábhar labhartha agus a chuirtear isteach roimh an leid chun léiritheacht, blas cainte, luas, tuin agus mothúchán a mhúnlú. I measc na samplaí tá 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', agus 'Whisper mysteriously'.

output_format réamhshocrú mp3

Formáid don fhuaim aschuir: soláthraíonn mp3 comhaid chomhbhrúite dhlútha agus moltar é; tá PCM neamh-chomhbhrúite i gcoimeádán WAV ag 24 kHz le fuaim mhona 16-giotán i wav; úsáideann ogg_opus Opus taobh istigh de Ogg le cothromaíocht mhaith idir cáilíocht agus méid.

réamhshocrú Kore

Roghnú gutha aon chainteora as 30 réamhshocrú éagsúil; má shocraítear speakers, éiríonn an rogha seo neamhghníomhach. I measc na roghanna coitianta baineann tá Kore, le seachadadh láidir daingean, Zephyr, le seachadadh geal soiléir, agus Aoede, le seachadadh te séiseach; i measc na roghanna coitianta fireanna tá Puck, bríomhar beo, agus Charon, socair gairmiúil.

Sárú teanga sintéise ilteangach: cuirtear braiteadh uathoibríoch ón téacs i bhfeidhm mura sonraíonn tú teanga chun caint na samhla a threorú.

réamhshocrú 1

Socrú randamacht cainte, ó sheachadadh dírithe intuartha ag socruithe ísle go seachadadh cruthaitheach éagsúil ag socruithe arda.

Cumraíocht ghutha a chuireann ar chumas cainteoirí iolracha codanna ar leith den téacs a léamh. Sann guth agus ailias speaker_id do gach cainteoir, ag teacht le réimíreanna comhfhreagracha na leide.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Gemini 3.1 Flash Tts

Tiontaíonn sé `prompt` suas le 50000 carachtar ina urlabhra. Is féidir an seachadadh a threorú inlíne nó trí `style_instructions`. Roghnaigh ceann de 30 guth, socraigh `language_code`, nó úsáid `speakers` (2 go 10) le haghaidh fuaime ilchainteora. Is mp3, wav nó ogg_opus an t-aschur, le `temperature` ó 0 go 2.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
promptriachtanach
Cineálstring
≤ 50,000 gcarachtar
Téacs sintéise cainte do Gemini 3.1 Flash TTS; caithfidh línte ilchainteoirí tosú le hailiasanna ón réimse speakers, mar atá in 'Alice: Hello!\nBob: Hi!'. Is féidir seachadadh a rialú go mion le clibeanna fuaime léiritheacha amhail [sigh], [laughing], [whispering], agus [short pause], nó le treoracha teanga nádúrtha inlíne maidir le haicinn, mothúchán, luas agus stíl, amhail 'Say cheerfully: Have a wonderful day!'.
style_instructionsroghnach
Cineálstring | null
≤ 4,000 gcarachtar
Treoracha roghnacha teanga nádúrtha a choimeádtar scartha ón ábhar labhartha agus a chuirtear isteach roimh an leid chun léiritheacht, blas cainte, luas, tuin agus mothúchán a mhúnlú. I measc na samplaí tá 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', agus 'Whisper mysteriously'.
voiceroghnach
Cineálenum
RéamhshocrúKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 eileLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Roghnú gutha aon chainteora as 30 réamhshocrú éagsúil; má shocraítear speakers, éiríonn an rogha seo neamhghníomhach. I measc na roghanna coitianta baineann tá Kore, le seachadadh láidir daingean, Zephyr, le seachadadh geal soiléir, agus Aoede, le seachadadh te séiseach; i measc na roghanna coitianta fireanna tá Puck, bríomhar beo, agus Charon, socair gairmiúil.
language_coderoghnach
Cineálenum
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 eileRussian (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)
Sárú teanga sintéise ilteangach: cuirtear braiteadh uathoibríoch ón téacs i bhfeidhm mura sonraíonn tú teanga chun caint na samhla a threorú.
speakersroghnach
Cineálobject[]
Cumraíocht ghutha a chuireann ar chumas cainteoirí iolracha codanna ar leith den téacs a léamh. Sann guth agus ailias speaker_id do gach cainteoir, ag teacht le réimíreanna comhfhreagracha na leide.
temperatureroghnach
Cineálnumber
Réamhshocrú1
0 – 2
Socrú randamacht cainte, ó sheachadadh dírithe intuartha ag socruithe ísle go seachadadh cruthaitheach éagsúil ag socruithe arda.
output_formatroghnach
Cineálenum
Réamhshocrúmp3
wavmp3ogg_opus
Formáid don fhuaim aschuir: soláthraíonn mp3 comhaid chomhbhrúite dhlútha agus moltar é; tá PCM neamh-chomhbhrúite i gcoimeádán WAV ag 24 kHz le fuaim mhona 16-giotán i wav; úsáideann ogg_opus Opus taobh istigh de Ogg le cothromaíocht mhaith idir cáilíocht agus méid.
riachtanach

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size}Comhad fuaime a tháirgtear leis an nginiúint.

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/gemini-3.1-flash-tts.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt