Vai al contenuto

Gemini TTS

Integra

ID del modello 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"

Questa richiesta: ≈0,03 $ 30 crediti API Esegui in questa pagina

Ottieni la chiave API
Google Da testo a voce #text-to-speech#audio#gemini

Text-to-speech con 30 voci, dialoghi con più parlanti, istruzioni di stile e scelta del modello Flash o Pro

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 parlato per Gemini TTS, con supporto per indicazioni in linguaggio naturale incorporate relative a stile, ritmo, accento ed emozione, come 'Say cheerfully: Have a wonderful day!'. I marcatori inline, tra cui [slowly], [whispering], [excited] e [extremely fast], controllano inoltre ritmo e stile. Più interlocutori richiedono righe che iniziano con gli alias del campo speakers, ad esempio 'Alice: Hello!\nBob: Hi!'.

Avanzate style_instructions · output_format · voice · model · 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.

predefinito gemini-2.5-flash-tts

Selezione del modello Gemini TTS. Per la qualità più elevata in flussi di lavoro strutturati come audiolibri, podcast o assistenza clienti, usa gemini-2.5-pro-tts.

Lingua del parlato per la sintesi multilingue: omettila per consentire al modello di dedurre la lingua dal testo oppure specificala per guidare l'output parlato. La copertura include più di 60 lingue in Preview e 24 in GA.

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 degli interlocutori supportata da gemini-2.5-pro-tts e gemini-2.5-flash-tts, ma non da gemini-2.5-flash-lite-preview-tts. Fornendola, voci diverse leggeranno porzioni diverse del testo; per ogni interlocutore, fornisci una voce e un alias speaker_id corrispondente ai prefissi del prompt dell'interlocutore.

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

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 TTS

Converte fino a 50,000 caratteri di testo in parlato. Seleziona una `voice` e il `model` gemini-2.5-flash-tts o gemini-2.5-pro-tts. `style_instructions` (fino a 4000 caratteri) guida l'interpretazione; `speakers` accetta da 2 a 10 elementi per script con più voci. `language_code` e `temperature` da 0 a 2 sono opzionali; l'output può essere wav, mp3 o ogg_opus.

Parametri

NomeTipo PredefinitoConsentiti Descrizione
promptobbligatorio
Tipostring
≤ 50.000 caratteri
Testo parlato per Gemini TTS, con supporto per indicazioni in linguaggio naturale incorporate relative a stile, ritmo, accento ed emozione, come 'Say cheerfully: Have a wonderful day!'. I marcatori inline, tra cui [slowly], [whispering], [excited] e [extremely fast], controllano inoltre ritmo e stile. Più interlocutori richiedono righe che iniziano con gli alias del campo speakers, ad esempio 'Alice: Hello!\nBob: Hi!'.
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.
modelfacoltativo
Tipoenum
Predefinitogemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Selezione del modello Gemini TTS. Per la qualità più elevata in flussi di lavoro strutturati come audiolibri, podcast o assistenza clienti, usa gemini-2.5-pro-tts.
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)
Lingua del parlato per la sintesi multilingue: omettila per consentire al modello di dedurre la lingua dal testo oppure specificala per guidare l'output parlato. La copertura include più di 60 lingue in Preview e 24 in GA.
speakersfacoltativo
Tipoobject[]
≤ 10 elementi≥ 2 elementi
Configurazione degli interlocutori supportata da gemini-2.5-pro-tts e gemini-2.5-flash-tts, ma non da gemini-2.5-flash-lite-preview-tts. Fornendola, voci diverse leggeranno porzioni diverse del testo; per ogni interlocutore, fornisci una voce e un alias speaker_id corrispondente ai prefissi del prompt dell'interlocutore.
speakers[].voiceobbligatorio
Tipoenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 altriLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voce preset assegnata a questo interlocutore.
speakers[].speaker_idobbligatorio
Tipostring
Alias dell'interlocutore contenente solo caratteri alfanumerici e nessuno spazio. Identifica l'interlocutore anteponendo questo alias al testo del prompt, come in 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt