Leum chun t-susbaint

Gemini 3.1 Flash Tts

Amalaich

ID a’ mhodail 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-iarrtas seo: $0.003 3 creideasan API Ruith e air an duilleig seo

Faigh iuchair API
Google Teacsa gu Òraid Sioncronadh bileanLuath #lipsync#avatar

Gemini 3.1 Flash teacsa-gu-cainnt le smachd stoidhle in-loidhne, 30 guthan agus suas ri 10 luchd-labhairt

Google · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach 50 / 50000

Teacsa co-chur-cainnte airson Gemini 3.1 Flash TTS; feumaidh loidhnichean ioma-labhraichean tòiseachadh le aliasan bhon raon speakers, mar ann an 'Alice: Hello!\nBob: Hi!'. Faodar lìbhrigeadh a smachdachadh gu mionaideach le tagaichean claisneachd brìoghmhor leithid [sigh], [laughing], [whispering], agus [short pause], no le stiùiridhean cànain nàdarra in-loidhne airson blas, faireachdainn, astar agus stoidhle, leithid 'Say cheerfully: Have a wonderful day!'.

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

Stiùiridhean cànain nàdarra roghainneil, air an cumail air leth bhon t-susbaint labhairte agus air an cur ron prompt gus brìoghmhorachd, blas, astar, tòna agus faireachdainn a chumadh. Am measg nan eisimpleirean tha 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', agus 'Whisper mysteriously'.

output_format bun-roghainn mp3

Cruth na claisneachd às-chuir: tha mp3 a’ toirt seachad faidhlichean teannaichte agus dlùth agus thathar ga mholadh; tha wav a’ gabhail a-steach PCM neo-theannaichte ann an soitheach WAV aig 24 kHz le claisneachd mono 16-bit; tha ogg_opus a’ cleachdadh Opus am broinn Ogg airson cothromachadh math eadar càileachd is meud.

bun-roghainn Kore

Taghadh guth aon-labhraiche bho 30 ro-shuidheachadh eadar-dhealaichte; bidh suidheachadh speakers a’ cur an taghaidh seo à gnìomh. Am measg nan roghainnean boireann mòr-chòrdte tha Kore, le lìbhrigeadh làidir is daingeann, Zephyr, le lìbhrigeadh shoilleir, agus Aoede, le lìbhrigeadh blàth is binn; am measg nan roghainnean fireann tha Puck, sunndach is beòthail, agus Charon, socair is proifeiseanta.

Tar-sgrìobhadh cànain airson co-chur-cainnte ioma-chànanach: thèid an cànan a lorg gu fèin-obrachail bhon teacsa mura sònraich thu cànan gus cainnt a’ mhodail a stiùireadh.

bun-roghainn 1

Suidheachadh air thuaiream na cainnte, bho lìbhrigeadh cuimsichte agus ro-innsichte aig na suidheachaidhean ìosal gu lìbhrigeadh chruthachail is caochlaideach aig na suidheachaidhean àrda.

Rèiteachadh guth a leigeas le iomadh labhraiche earrannan fa leth den teacsa a leughadh. Sònraich guth do gach labhraiche agus alias speaker_id a fhreagras ri ro-leasachain nan promptan co-fhreagarrach.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Gemini 3.1 Flash Tts

Tionndaidhidh e `prompt` suas ri 50000 caractar gu cainnt. Faodar an lìbhrigeadh a stiùireadh in-loidhne no tro `style_instructions`. Tagh aon de 30 guthan, suidhich `language_code`, no cleachd `speakers` (2 gu 10) airson fuaim ioma-labhairt. Is e mp3, wav no ogg_opus an toradh, le `temperature` bho 0 gu 2.

Paramadairean

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
promptriatanach
Seòrsastring
≤ 50,000 caractar
Teacsa co-chur-cainnte airson Gemini 3.1 Flash TTS; feumaidh loidhnichean ioma-labhraichean tòiseachadh le aliasan bhon raon speakers, mar ann an 'Alice: Hello!\nBob: Hi!'. Faodar lìbhrigeadh a smachdachadh gu mionaideach le tagaichean claisneachd brìoghmhor leithid [sigh], [laughing], [whispering], agus [short pause], no le stiùiridhean cànain nàdarra in-loidhne airson blas, faireachdainn, astar agus stoidhle, leithid 'Say cheerfully: Have a wonderful day!'.
style_instructionsroghainneil
Seòrsastring | null
≤ 4,000 caractar
Stiùiridhean cànain nàdarra roghainneil, air an cumail air leth bhon t-susbaint labhairte agus air an cur ron prompt gus brìoghmhorachd, blas, astar, tòna agus faireachdainn a chumadh. Am measg nan eisimpleirean tha 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', agus 'Whisper mysteriously'.
voiceroghainneil
Seòrsaenum
Bun-roghainnKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 eileLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Taghadh guth aon-labhraiche bho 30 ro-shuidheachadh eadar-dhealaichte; bidh suidheachadh speakers a’ cur an taghaidh seo à gnìomh. Am measg nan roghainnean boireann mòr-chòrdte tha Kore, le lìbhrigeadh làidir is daingeann, Zephyr, le lìbhrigeadh shoilleir, agus Aoede, le lìbhrigeadh blàth is binn; am measg nan roghainnean fireann tha Puck, sunndach is beòthail, agus Charon, socair is proifeiseanta.
language_coderoghainneil
Seòrsaenum
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)
Tar-sgrìobhadh cànain airson co-chur-cainnte ioma-chànanach: thèid an cànan a lorg gu fèin-obrachail bhon teacsa mura sònraich thu cànan gus cainnt a’ mhodail a stiùireadh.
speakersroghainneil
Seòrsaobject[]
Rèiteachadh guth a leigeas le iomadh labhraiche earrannan fa leth den teacsa a leughadh. Sònraich guth do gach labhraiche agus alias speaker_id a fhreagras ri ro-leasachain nan promptan co-fhreagarrach.
temperatureroghainneil
Seòrsanumber
Bun-roghainn1
0 – 2
Suidheachadh air thuaiream na cainnte, bho lìbhrigeadh cuimsichte agus ro-innsichte aig na suidheachaidhean ìosal gu lìbhrigeadh chruthachail is caochlaideach aig na suidheachaidhean àrda.
output_formatroghainneil
Seòrsaenum
Bun-roghainnmp3
wavmp3ogg_opus
Cruth na claisneachd às-chuir: tha mp3 a’ toirt seachad faidhlichean teannaichte agus dlùth agus thathar ga mholadh; tha wav a’ gabhail a-steach PCM neo-theannaichte ann an soitheach WAV aig 24 kHz le claisneachd mono 16-bit; tha ogg_opus a’ cleachdadh Opus am broinn Ogg airson cothromachadh math eadar càileachd is meud.
riatanach

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size}Faidhle claisneachd a chaidh a chruthachadh le gineadh.

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/gemini-3.1-flash-tts.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt