Vai al contenuto

Gemini 3.1 Flash Tts

Integra

ID del modello 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"

Questa richiesta: 0,003 $ 3 crediti API Esegui in questa pagina

Ottieni la chiave API
Google Da testo a voce LipsyncVeloce #avatar

Text-to-speech Gemini 3.1 Flash con controllo inline dello stile, 30 voci e fino a 10 parlanti

Google · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio 50 / 50000

Testo per la sintesi vocale di Gemini 3.1 Flash TTS; le righe con più interlocutori devono iniziare con gli alias del campo speakers, come in 'Alice: Hello!\nBob: Hi!'. La resa può essere controllata con precisione tramite tag audio espressivi come [sigh], [laughing], [whispering] e [short pause], oppure con indicazioni in linguaggio naturale inline per accento, emozione, ritmo e stile, come 'Say cheerfully: Have a wonderful day!'.

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

Indicazioni facoltative in linguaggio naturale, mantenute separate dal contenuto parlato e inserite prima del prompt per definire espressività, accento, ritmo, tono ed emozione. Gli esempi includono 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.

output_format predefinito mp3

Formato dell'audio di output: mp3 fornisce file compressi e compatti ed è consigliato; wav contiene PCM non compresso in un contenitore WAV a 24 kHz con audio mono a 16 bit; ogg_opus usa Opus all'interno di Ogg per un buon equilibrio tra qualità e dimensioni.

predefinito Kore

Selezione della voce per un singolo interlocutore tra 30 preset distinti; impostando speakers, questa selezione diventa inattiva. Le opzioni femminili più popolari sono Kore, con una resa decisa e risoluta, Zephyr, con una resa brillante e chiara, e Aoede, con una resa calda e melodica; le opzioni maschili più popolari sono Puck, vivace e dinamico, e Charon, calmo e professionale.

Override della lingua per la sintesi multilingue: se non specifichi una lingua, viene rilevata automaticamente dal testo per guidare la voce del modello.

predefinito 1

Impostazione della casualità del parlato, che va da una resa concentrata e prevedibile ai valori più bassi a una resa creativa e varia ai valori più alti.

Configurazione vocale che consente a più interlocutori di leggere porzioni separate del testo. Assegna a ogni interlocutore una voce e un alias speaker_id corrispondente ai prefissi del relativo prompt.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Gemini 3.1 Flash Tts

Converte un `prompt` di massimo 50000 caratteri in parlato. L'interpretazione può essere guidata inline o tramite `style_instructions`. Scegli una delle 30 voci, imposta un `language_code` oppure usa `speakers` (da 2 a 10) per audio con più parlanti. L'output è mp3, wav o ogg_opus, con `temperature` da 0 a 2.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
promptobbligatorio
Tipostring
≤ 50.000 caratteri
Testo per la sintesi vocale di Gemini 3.1 Flash TTS; le righe con più interlocutori devono iniziare con gli alias del campo speakers, come in 'Alice: Hello!\nBob: Hi!'. La resa può essere controllata con precisione tramite tag audio espressivi come [sigh], [laughing], [whispering] e [short pause], oppure con indicazioni in linguaggio naturale inline per accento, emozione, ritmo e stile, come 'Say cheerfully: Have a wonderful day!'.
style_instructionsfacoltativo
Tipostring | null
≤ 4000 caratteri
Indicazioni facoltative in linguaggio naturale, mantenute separate dal contenuto parlato e inserite prima del prompt per definire espressività, accento, ritmo, tono ed emozione. Gli esempi includono 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.
voicefacoltativo
Tipoenum
PredefinitoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 altriLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Selezione della voce per un singolo interlocutore tra 30 preset distinti; impostando speakers, questa selezione diventa inattiva. Le opzioni femminili più popolari sono Kore, con una resa decisa e risoluta, Zephyr, con una resa brillante e chiara, e Aoede, con una resa calda e melodica; le opzioni maschili più popolari sono Puck, vivace e dinamico, e Charon, calmo e professionale.
language_codefacoltativo
Tipoenum
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 altriRussian (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)
Override della lingua per la sintesi multilingue: se non specifichi una lingua, viene rilevata automaticamente dal testo per guidare la voce del modello.
speakersfacoltativo
Tipoobject[]
Configurazione vocale che consente a più interlocutori di leggere porzioni separate del testo. Assegna a ogni interlocutore una voce e un alias speaker_id corrispondente ai prefissi del relativo prompt.
temperaturefacoltativo
Tiponumber
Predefinito1
0 – 2
Impostazione della casualità del parlato, che va da una resa concentrata e prevedibile ai valori più bassi a una resa creativa e varia ai valori più alti.
output_formatfacoltativo
Tipoenum
Predefinitomp3
wavmp3ogg_opus
Formato dell'audio di output: mp3 fornisce file compressi e compatti ed è consigliato; wav contiene PCM non compresso in un contenitore WAV a 24 kHz con audio mono a 16 bit; ogg_opus usa Opus all'interno di Ogg per un buon equilibrio tra qualità e dimensioni.
obbligatorio

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size}File audio prodotto dalla generazione.

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/gemini-3.1-flash-tts.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt