Ugrás a tartalomhoz

Gemini 3.1 Flash Tts

Integráció

Modellazonosító 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"

Ez a kérés: 0,003 $ 3 API-jóváírás Futtatás ezen az oldalon

API-kulcs beszerzése
Google Szövegből beszéd LipsyncGyors #avatar

A Gemini 3.1 Flash szövegből beszédet generál beágyazott stílusvezérléssel, 30 hanggal és legfeljebb 10 beszélővel

Google · Hang

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező 50 / 50000

Beszédszintézishez használt szöveg a Gemini 3.1 Flash TTS számára; a többbeszélős soroknak a speakers mező aliászaival kell kezdődniük, például 'Alice: Hello!\nBob: Hi!'. A közlés finoman szabályozható kifejező hangcímkékkel, például [sigh], [laughing], [whispering] és [short pause], illetve inline természetes nyelvű, akcentusra, érzelemre, tempóra és stílusra vonatkozó utasításokkal, például 'Say cheerfully: Have a wonderful day!'.

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

Opcionális természetes nyelvű utasítások, amelyek elkülönülnek a kimondott tartalomtól, és a prompt elé kerülnek a kifejezőkészség, az akcentus, a tempó, a hangnem és az érzelem alakításához. Példák: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' és 'Whisper mysteriously'.

output_format alapértelmezett: mp3

A kimeneti hang formátuma: az mp3 tömörített, kis méretű fájlokat biztosít, ezért ajánlott; a wav tömörítetlen PCM-et tartalmaz WAV-konténerben, 24 kHz-es, 16 bites monó hanggal; az ogg_opus Opust használ Ogg-konténerben, kedvező minőség–méret aránnyal.

alapértelmezett: Kore

Egy beszélő hangjának kiválasztása 30 különböző előbeállításból; a speakers megadása inaktívvá teszi ezt a választást. Népszerű női lehetőség a Kore, határozott előadásmóddal, a Zephyr, világos és tiszta előadásmóddal, valamint az Aoede, meleg és dallamos előadásmóddal; népszerű férfi lehetőség a Puck, lendületes és élénk előadásmóddal, valamint a Charon, nyugodt és professzionális előadásmóddal.

Többnyelvű szintézis nyelvi felülbírálása: a szöveg automatikus felismerése érvényesül, hacsak nem ad meg nyelvet a modell beszédének irányításához.

alapértelmezett: 1

A beszéd véletlenszerűségének beállítása: alacsony értéknél fókuszált, kiszámítható, magas értéknél kreatív és változatos előadás.

Több beszélőt lehetővé tevő hangkonfiguráció, amelyben minden beszélő a szöveg külön részét olvassa fel. Minden beszélőhöz rendeljen hangot és a megfelelő promptelőtagokkal egyező speaker_id aliászt.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Gemini 3.1 Flash Tts bemutatása

A legfeljebb 50000 karakteres `prompt` szövegét beszéddé alakítja. Az előadásmód beágyazottan vagy a `style_instructions` segítségével vezérelhető. Válassz egyet a 30 hang közül, állítsd be a `language_code` értékét, vagy használj `speakers` paramétert (2–10) a több beszélős hanghoz. A kimenet mp3, wav vagy ogg_opus lehet, a `temperature` értéke pedig 0 és 2 között állítható.

Paraméterek

NévTípus AlapértelmezettEngedélyezett Leírás
promptkötelező
Típusstring
≤ 50 000 karakter
Beszédszintézishez használt szöveg a Gemini 3.1 Flash TTS számára; a többbeszélős soroknak a speakers mező aliászaival kell kezdődniük, például 'Alice: Hello!\nBob: Hi!'. A közlés finoman szabályozható kifejező hangcímkékkel, például [sigh], [laughing], [whispering] és [short pause], illetve inline természetes nyelvű, akcentusra, érzelemre, tempóra és stílusra vonatkozó utasításokkal, például 'Say cheerfully: Have a wonderful day!'.
style_instructionsnem kötelező
Típusstring | null
≤ 4000 karakter
Opcionális természetes nyelvű utasítások, amelyek elkülönülnek a kimondott tartalomtól, és a prompt elé kerülnek a kifejezőkészség, az akcentus, a tempó, a hangnem és az érzelem alakításához. Példák: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' és 'Whisper mysteriously'.
voicenem kötelező
Típusenum
AlapértelmezettKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 továbbiLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Egy beszélő hangjának kiválasztása 30 különböző előbeállításból; a speakers megadása inaktívvá teszi ezt a választást. Népszerű női lehetőség a Kore, határozott előadásmóddal, a Zephyr, világos és tiszta előadásmóddal, valamint az Aoede, meleg és dallamos előadásmóddal; népszerű férfi lehetőség a Puck, lendületes és élénk előadásmóddal, valamint a Charon, nyugodt és professzionális előadásmóddal.
language_codenem kötelező
Típusenum
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 továbbiRussian (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)
Többnyelvű szintézis nyelvi felülbírálása: a szöveg automatikus felismerése érvényesül, hacsak nem ad meg nyelvet a modell beszédének irányításához.
speakersnem kötelező
Típusobject[]
Több beszélőt lehetővé tevő hangkonfiguráció, amelyben minden beszélő a szöveg külön részét olvassa fel. Minden beszélőhöz rendeljen hangot és a megfelelő promptelőtagokkal egyező speaker_id aliászt.
temperaturenem kötelező
Típusnumber
Alapértelmezett1
0 – 2
A beszéd véletlenszerűségének beállítása: alacsony értéknél fókuszált, kiszámítható, magas értéknél kreatív és változatos előadás.
output_formatnem kötelező
Típusenum
Alapértelmezettmp3
wavmp3ogg_opus
A kimeneti hang formátuma: az mp3 tömörített, kis méretű fájlokat biztosít, ezért ajánlott; a wav tömörítetlen PCM-et tartalmaz WAV-konténerben, 24 kHz-es, 16 bites monó hanggal; az ogg_opus Opust használ Ogg-konténerben, kedvező minőség–méret aránnyal.
kötelező

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio
object {url, content_type, file_name, file_size}A generálással létrehozott hangfájl.

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/gemini-3.1-flash-tts.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt