सामग्री पर जाएँ

Gemini TTS

इंटीग्रेट करें

मॉडल id 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"

यह अनुरोध: ≈$0.03 30 API क्रेडिट इसे इस पेज पर चलाएँ

API कुंजी प्राप्त करें
Google टेक्स्ट से स्पीच #text-to-speech#audio#gemini

30 आवाज़ों, मल्टी-स्पीकर संवाद, स्टाइल निर्देशों और Flash या Pro मॉडल चयन वाला 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 TTS के लिए वाक् टेक्स्ट, जिसमें शैली, गति, उच्चारण और भावना के लिए एम्बेडेड प्राकृतिक-भाषा निर्देश स्वीकार किए जाते हैं, जैसे 'Say cheerfully: Have a wonderful day!'. [slowly], [whispering], [excited], और [extremely fast] जैसे इनलाइन मार्कर भी गति और शैली नियंत्रित करते हैं। एक से अधिक वक्ताओं के लिए speakers फ़ील्ड के उपनामों से शुरू होने वाली पंक्तियाँ आवश्यक हैं, उदाहरण के लिए 'Alice: Hello!\nBob: Hi!'.

उन्नत style_instructions · output_format · voice · model · 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।

डिफ़ॉल्ट gemini-2.5-flash-tts

Gemini TTS मॉडल चयन। ऑडियोबुक, पॉडकास्ट या ग्राहक सहायता जैसे संरचित वर्कफ़्लो में उच्चतम गुणवत्ता के लिए gemini-2.5-pro-tts का उपयोग करें।

बहुभाषी संश्लेषण के लिए वाक् भाषा: मॉडल को आपके टेक्स्ट से भाषा का अनुमान लगाने देने के लिए इसे छोड़ दें, या बोले गए आउटपुट को निर्देशित करने के लिए इसे दें। Preview में 60+ और GA में 24 भाषाओं का समर्थन 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।

gemini-2.5-pro-tts और gemini-2.5-flash-tts द्वारा समर्थित, लेकिन gemini-2.5-flash-lite-preview-tts द्वारा समर्थित नहीं, वक्ता कॉन्फ़िगरेशन। इसे देने पर अलग-अलग आवाज़ें टेक्स्ट के अलग-अलग हिस्से पढ़ती हैं; प्रत्येक वक्ता के लिए उस वक्ता के प्रॉम्प्ट प्रीफ़िक्स से संबंधित आवाज़ और speaker_id उपनाम दें।

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

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 TTS के बारे में

अधिकतम 50,000 अक्षरों के टेक्स्ट को स्पीच में बदलता है। एक `voice` और `model` gemini-2.5-flash-tts या gemini-2.5-pro-tts चुनें। `style_instructions` (अधिकतम 4000 अक्षर) डिलीवरी को निर्देशित करता है और मल्टी-वॉइस स्क्रिप्ट के लिए `speakers` में 2 से 10 प्रविष्टियाँ ली जाती हैं। वैकल्पिक `language_code`, `temperature` 0 से 2 तक और wav, mp3 या ogg_opus आउटपुट उपलब्ध हैं।

पैरामीटर

नामप्रकार डिफ़ॉल्टअनुमत विवरण
promptआवश्यक
प्रकारstring
≤ 50,000 अक्षर
Gemini TTS के लिए वाक् टेक्स्ट, जिसमें शैली, गति, उच्चारण और भावना के लिए एम्बेडेड प्राकृतिक-भाषा निर्देश स्वीकार किए जाते हैं, जैसे 'Say cheerfully: Have a wonderful day!'. [slowly], [whispering], [excited], और [extremely fast] जैसे इनलाइन मार्कर भी गति और शैली नियंत्रित करते हैं। एक से अधिक वक्ताओं के लिए speakers फ़ील्ड के उपनामों से शुरू होने वाली पंक्तियाँ आवश्यक हैं, उदाहरण के लिए 'Alice: Hello!\nBob: Hi!'.
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।
modelवैकल्पिक
प्रकारenum
डिफ़ॉल्टgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS मॉडल चयन। ऑडियोबुक, पॉडकास्ट या ग्राहक सहायता जैसे संरचित वर्कफ़्लो में उच्चतम गुणवत्ता के लिए gemini-2.5-pro-tts का उपयोग करें।
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 के लिए वाक् भाषा: मॉडल को आपके टेक्स्ट से भाषा का अनुमान लगाने देने के लिए इसे छोड़ दें, या बोले गए आउटपुट को निर्देशित करने के लिए इसे दें। Preview में 60+ और GA में 24 भाषाओं का समर्थन है।
speakersवैकल्पिक
प्रकारobject[]
≤ 10 आइटम≥ 2 आइटम
gemini-2.5-pro-tts और gemini-2.5-flash-tts द्वारा समर्थित, लेकिन gemini-2.5-flash-lite-preview-tts द्वारा समर्थित नहीं, वक्ता कॉन्फ़िगरेशन। इसे देने पर अलग-अलग आवाज़ें टेक्स्ट के अलग-अलग हिस्से पढ़ती हैं; प्रत्येक वक्ता के लिए उस वक्ता के प्रॉम्प्ट प्रीफ़िक्स से संबंधित आवाज़ और speaker_id उपनाम दें।
speakers[].voiceआवश्यक
प्रकारenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 औरLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
इस वक्ता को असाइन की गई प्रीसेट आवाज़।
speakers[].speaker_idआवश्यक
प्रकारstring
ऐसा वक्ता उपनाम जिसमें केवल अल्फ़ान्यूमेरिक वर्ण हों और कोई व्हाइटस्पेस न हो। वक्ता की पहचान करने के लिए उसके प्रॉम्प्ट टेक्स्ट के आगे यह उपनाम लगाएँ, जैसे 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. सभी मॉडल और गाइड: https://doitong.com/developers/llms.txt