सामग्री पर जाएँ

Gemini 3.1 Flash Tts

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: $0.003 3 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Google टेक्स्ट से स्पीच लिपसिंकतेज़ #lipsync#avatar

इनलाइन स्टाइल नियंत्रण, 30 आवाज़ों और अधिकतम 10 वक्ताओं वाला Gemini 3.1 Flash टेक्स्ट-टू-स्पीच

Google · ऑडियो

आपका पहला परिणाम यहाँ आएगा

नीचे एक अनुरोध बनाएँ और उसे अपनी API कुंजी से चलाएँ। आउटपुट हमारे स्टोरेज में कॉपी किए जाते हैं और हमेशा के लिए या 7 दिन तक मुफ़्त में रखे जाते हैं।

अनुरोध बनाएँ

कंट्रोल मॉडल स्कीमा से जनरेट होते हैं। इन्हें बदलने पर कोड और कीमत अपडेट होती है।

•आवश्यक 50 / 50000

Gemini 3.1 Flash TTS के लिए वाक्-संश्लेषण टेक्स्ट; बहु-वक्ता पंक्तियाँ speakers फ़ील्ड के उपनामों से शुरू होनी चाहिए, जैसे 'Alice: Hello!\nBob: Hi!'. [sigh], [laughing], [whispering], और [short pause] जैसे अभिव्यंजक ऑडियो टैग या उच्चारण, भावना, गति और शैली के लिए इनलाइन प्राकृतिक-भाषा निर्देशों से डिलीवरी को बारीकी से नियंत्रित किया जा सकता है, जैसे 'Say cheerfully: Have a wonderful day!'.

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

वैकल्पिक प्राकृतिक-भाषा निर्देश, जिन्हें बोले गए कंटेंट से अलग रखा जाता है और अभिव्यंजकता, उच्चारण, गति, स्वर और भावना को आकार देने के लिए प्रॉम्प्ट से पहले डाला जाता है। उदाहरणों में 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', और 'Whisper mysteriously' शामिल हैं।

output_format डिफ़ॉल्ट mp3

आउटपुट ऑडियो का फ़ॉर्मैट: mp3 संपीड़ित, छोटी फ़ाइलें प्रदान करता है और इसकी अनुशंसा की जाती है; wav में 24 kHz पर 16-बिट मोनो ऑडियो वाला, WAV कंटेनर में असंपीड़ित PCM होता है; ogg_opus गुणवत्ता और आकार के बीच अच्छा संतुलन देते हुए Ogg के भीतर Opus का उपयोग करता है।

डिफ़ॉल्ट Kore

30 अलग-अलग प्रीसेट में से एकल-वक्ता आवाज़ का चयन; speakers सेट करने पर यह चयन निष्क्रिय हो जाता है। लोकप्रिय महिला विकल्पों में Kore, जिसका स्वर दृढ़ और प्रभावशाली है, Zephyr, जिसका स्वर उज्ज्वल और स्पष्ट है, और Aoede, जिसका स्वर गर्म और मधुर है; लोकप्रिय पुरुष विकल्पों में Puck, जो उत्साही और जीवंत है, और Charon, जो शांत और पेशेवर है, शामिल हैं।

बहुभाषी संश्लेषण भाषा ओवरराइड: जब तक आप मॉडल के वाक्-उत्पादन को निर्देशित करने के लिए भाषा निर्दिष्ट नहीं करते, टेक्स्ट से स्वचालित पहचान लागू होती है।

डिफ़ॉल्ट 1

वाक्-रैंडमनेस सेटिंग, जिसका प्रभाव कम सेटिंग पर केंद्रित, पूर्वानुमेय डिलीवरी से लेकर अधिक सेटिंग पर रचनात्मक, विविध डिलीवरी तक होता है।

वॉइस कॉन्फ़िगरेशन, जो कई वक्ताओं को टेक्स्ट के अलग-अलग हिस्से पढ़ने में सक्षम बनाता है। प्रत्येक वक्ता को एक आवाज़ और संबंधित प्रॉम्प्ट प्रीफ़िक्स से मेल खाता speaker_id उपनाम दें।

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

यह अनुरोध चलाएँ

आपकी key इसी ब्राउज़र में रहती है: इसे केवल Doitong API को भेजा जाता है और केवल तभी (localStorage) में सेव किया जाता है जब आप Remember चुनते हैं। API कुंजी प्राप्त करें

Gemini 3.1 Flash Tts के बारे में

अधिकतम 50000 अक्षरों वाले `prompt` को स्पीच में बदलता है। डिलीवरी को इनलाइन या `style_instructions` के माध्यम से निर्देशित किया जा सकता है। 30 आवाज़ों में से एक चुनें, `language_code` सेट करें या मल्टी-स्पीकर ऑडियो के लिए `speakers` (2 से 10) का उपयोग करें। आउटपुट mp3, wav या ogg_opus होता है और `temperature` 0 से 2 तक हो सकता है।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
promptआवश्यक
प्रकारstring
≤ 50,000 अक्षर
Gemini 3.1 Flash TTS के लिए वाक्-संश्लेषण टेक्स्ट; बहु-वक्ता पंक्तियाँ speakers फ़ील्ड के उपनामों से शुरू होनी चाहिए, जैसे 'Alice: Hello!\nBob: Hi!'. [sigh], [laughing], [whispering], और [short pause] जैसे अभिव्यंजक ऑडियो टैग या उच्चारण, भावना, गति और शैली के लिए इनलाइन प्राकृतिक-भाषा निर्देशों से डिलीवरी को बारीकी से नियंत्रित किया जा सकता है, जैसे 'Say cheerfully: Have a wonderful day!'.
style_instructionsवैकल्पिक
प्रकारstring | null
≤ 4,000 अक्षर
वैकल्पिक प्राकृतिक-भाषा निर्देश, जिन्हें बोले गए कंटेंट से अलग रखा जाता है और अभिव्यंजकता, उच्चारण, गति, स्वर और भावना को आकार देने के लिए प्रॉम्प्ट से पहले डाला जाता है। उदाहरणों में 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', और 'Whisper mysteriously' शामिल हैं।
voiceवैकल्पिक
प्रकारenum
डिफ़ॉल्टKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 औरLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 अलग-अलग प्रीसेट में से एकल-वक्ता आवाज़ का चयन; speakers सेट करने पर यह चयन निष्क्रिय हो जाता है। लोकप्रिय महिला विकल्पों में Kore, जिसका स्वर दृढ़ और प्रभावशाली है, Zephyr, जिसका स्वर उज्ज्वल और स्पष्ट है, और Aoede, जिसका स्वर गर्म और मधुर है; लोकप्रिय पुरुष विकल्पों में Puck, जो उत्साही और जीवंत है, और Charon, जो शांत और पेशेवर है, शामिल हैं।
language_codeवैकल्पिक
प्रकारenum
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 औरRussian (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)
बहुभाषी संश्लेषण भाषा ओवरराइड: जब तक आप मॉडल के वाक्-उत्पादन को निर्देशित करने के लिए भाषा निर्दिष्ट नहीं करते, टेक्स्ट से स्वचालित पहचान लागू होती है।
speakersवैकल्पिक
प्रकारobject[]
वॉइस कॉन्फ़िगरेशन, जो कई वक्ताओं को टेक्स्ट के अलग-अलग हिस्से पढ़ने में सक्षम बनाता है। प्रत्येक वक्ता को एक आवाज़ और संबंधित प्रॉम्प्ट प्रीफ़िक्स से मेल खाता speaker_id उपनाम दें।
temperatureवैकल्पिक
प्रकारnumber
डिफ़ॉल्ट1
0 – 2
वाक्-रैंडमनेस सेटिंग, जिसका प्रभाव कम सेटिंग पर केंद्रित, पूर्वानुमेय डिलीवरी से लेकर अधिक सेटिंग पर रचनात्मक, विविध डिलीवरी तक होता है।
output_formatवैकल्पिक
प्रकारenum
डिफ़ॉल्टmp3
wavmp3ogg_opus
आउटपुट ऑडियो का फ़ॉर्मैट: mp3 संपीड़ित, छोटी फ़ाइलें प्रदान करता है और इसकी अनुशंसा की जाती है; wav में 24 kHz पर 16-बिट मोनो ऑडियो वाला, WAV कंटेनर में असंपीड़ित PCM होता है; ogg_opus गुणवत्ता और आकार के बीच अच्छा संतुलन देते हुए Ogg के भीतर Opus का उपयोग करता है।
आवश्यक

आउटपुट

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"
  }
}
आपकी फ़ाइलें, आपकी पसंदहर outputs[].url हमारे स्टोरेज में एक कॉपी है: हमेशा के लिए (प्रति GB-माह भुगतान) या 7 दिन तक मुफ़्त में, आपके अकाउंट की सेटिंग या ?storage= के अनुसार।
हर मॉडल पर एक जैसा आकारइमेज, वीडियो और ऑडियो सभी के लिए type, url, content_type, width, height और duration। output मॉडल का अपना परिणाम ऑब्जेक्ट है।
आउटपुट के फ़ील्ड
audio
object {url, content_type, file_name, file_size}निर्माण से तैयार की गई ऑडियो फ़ाइल।

AI एजेंट के लिए: इस पेज का Markdown यहाँ है https://doitong.com/hi/developers/models/gemini-3.1-flash-tts.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt