Sleppa yfir í efni

Gemini 3.1 Flash Tts

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,003 $ 3 API-inneignir Keyra á þessari síðu

Fá API-lykil
Google Texti í tal VarasamstillingHratt #lipsync#avatar

Gemini 3.1 Flash texta-í-tal með innbyggðri stílstýringu, 30 röddum og allt að 10 talendum

Google · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið 50 / 50000

Texti fyrir talgervingu í Gemini 3.1 Flash TTS; línur með mörgum hátölurum verða að byrja á samheitum úr speakers-reitnum, eins og í 'Alice: Hello!\nBob: Hi!'. Hægt er að stýra flutningi nákvæmlega með tjáningarríkum hljóðmerkjum á borð við [sigh], [laughing], [whispering], og [short pause], eða með innfelldum leiðbeiningum á náttúrulegu máli um hreim, tilfinningu, hraða og stíl, eins og 'Say cheerfully: Have a wonderful day!'.

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

Valfrjálsar leiðbeiningar á náttúrulegu máli sem eru aðskildar frá töluðu efni og settar fyrir framan kvaðninguna til að móta tjáningu, hreim, hraða, tón og tilfinningu. Dæmi eru 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', og 'Whisper mysteriously'.

output_format sjálfgefið mp3

Snið úttakshljóðs: mp3 gefur þjappaðar og fyrirferðarlitlar skrár og er mælt með því; wav inniheldur óþjappað PCM í WAV-gámi við 24 kHz með 16-bita mónóhljóði; og ogg_opus notar Opus innan Ogg fyrir gott jafnvægi milli gæða og stærðar.

sjálfgefið Kore

Val á rödd eins hátalara úr 30 mismunandi forstillingum; þegar speakers er stillt verður þetta val óvirkt. Vinsælar kvenraddir eru Kore, með sterkum og ákveðnum flutningi, Zephyr, með björtum og skýrum flutningi, og Aoede, með hlýjum og melódískum flutningi; vinsælar karlaraddir eru Puck, lífleg og fjörug, og Charon, róleg og fagleg.

Yfirskrift fyrir tungumál fjöltyngdrar talgervingar: sjálfvirk greining úr textanum gildir nema þú tilgreinir tungumál til að stýra tali líkansins.

sjálfgefið 1

Slembistilling tals; áhrifin ná frá einbeittum og fyrirsjáanlegum flutningi við lágar stillingar til skapandi og fjölbreytts flutnings við háar stillingar.

Raddstilling sem gerir mörgum hátölurum kleift að lesa aðskilda hluta textans. Úthlutaðu hverjum hátalara rödd og speaker_id-samheiti sem passar við samsvarandi forskeyti kvaðningar.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Gemini 3.1 Flash Tts

Breytir `prompt` sem getur verið allt að 50000 stafir í tal. Hægt er að stýra framsögn innbyggt eða með `style_instructions`. Veldu eina af 30 röddum, stilltu `language_code` eða notaðu `speakers` (2 til 10) fyrir hljóð með mörgum talendum. Úttakið er mp3, wav eða ogg_opus, með `temperature` frá 0 til 2.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
promptáskilið
Gerðstring
≤ 50.000 stafir
Texti fyrir talgervingu í Gemini 3.1 Flash TTS; línur með mörgum hátölurum verða að byrja á samheitum úr speakers-reitnum, eins og í 'Alice: Hello!\nBob: Hi!'. Hægt er að stýra flutningi nákvæmlega með tjáningarríkum hljóðmerkjum á borð við [sigh], [laughing], [whispering], og [short pause], eða með innfelldum leiðbeiningum á náttúrulegu máli um hreim, tilfinningu, hraða og stíl, eins og 'Say cheerfully: Have a wonderful day!'.
style_instructionsvalfrjálst
Gerðstring | null
≤ 4.000 stafir
Valfrjálsar leiðbeiningar á náttúrulegu máli sem eru aðskildar frá töluðu efni og settar fyrir framan kvaðninguna til að móta tjáningu, hreim, hraða, tón og tilfinningu. Dæmi eru 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', og 'Whisper mysteriously'.
voicevalfrjálst
Gerðenum
SjálfgefiðKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 í viðbótLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Val á rödd eins hátalara úr 30 mismunandi forstillingum; þegar speakers er stillt verður þetta val óvirkt. Vinsælar kvenraddir eru Kore, með sterkum og ákveðnum flutningi, Zephyr, með björtum og skýrum flutningi, og Aoede, með hlýjum og melódískum flutningi; vinsælar karlaraddir eru Puck, lífleg og fjörug, og Charon, róleg og fagleg.
language_codevalfrjálst
Gerðenum
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 í viðbótRussian (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)
Yfirskrift fyrir tungumál fjöltyngdrar talgervingar: sjálfvirk greining úr textanum gildir nema þú tilgreinir tungumál til að stýra tali líkansins.
speakersvalfrjálst
Gerðobject[]
Raddstilling sem gerir mörgum hátölurum kleift að lesa aðskilda hluta textans. Úthlutaðu hverjum hátalara rödd og speaker_id-samheiti sem passar við samsvarandi forskeyti kvaðningar.
temperaturevalfrjálst
Gerðnumber
Sjálfgefið1
0 – 2
Slembistilling tals; áhrifin ná frá einbeittum og fyrirsjáanlegum flutningi við lágar stillingar til skapandi og fjölbreytts flutnings við háar stillingar.
output_formatvalfrjálst
Gerðenum
Sjálfgefiðmp3
wavmp3ogg_opus
Snið úttakshljóðs: mp3 gefur þjappaðar og fyrirferðarlitlar skrár og er mælt með því; wav inniheldur óþjappað PCM í WAV-gámi við 24 kHz með 16-bita mónóhljóði; og ogg_opus notar Opus innan Ogg fyrir gott jafnvægi milli gæða og stærðar.
áskilið

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size}Hljóðskrá sem verður til við efnisgerð.

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/gemini-3.1-flash-tts.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt