コンテンツへスキップ

Gemini 3.8 Flash TTS

統合

モデルID google/gemini-3.8-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/google/gemini-3.8-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"

このリクエスト: ≈$0.045 45 APIクレジット このページで実行

APIキーを取得
Google テキスト読み上げ 高速 #text-to-speech#audio#dialogue#voiceover

ナレーションまたは2話者対話向けの標準Gemini 3.8 Flash音声合成。30種類の音声に対応

Google · 音声

最初の結果がここに表示されます

以下でリクエストを作成し、APIキーで実行してください。出力はストレージにコピーされ、永久保存または無料で7日保存されます。

リクエストを作成

コントロールはモデルスキーマから生成されます。値を変更するとコードと価格が更新されます。

単一話者がそのまま発話するテキスト。対話にはspeakersとturnsを使用し、promptは省略します。発話の指示にはstyle_instructionsを使用し、<laugh>または<sigh>で声のイベントをインライン指定します。プロバイダーは入力全体で最大8,192トークンまで許可します。

詳細設定 style_instructions · voice · enable_safety_checker · speakers · turns

すべてのターンに適用するデフォルトの発話指示。上書き可能で、発話トランスクリプトには含まれません。

デフォルト Kore

単一話者の発話に使用するプリセット音声。

異なる2つのエイリアスをちょうど2つ含み、それぞれに事前構成済み音声を割り当てる対話話者設定。

各ターンに設定済みの話者を指定する対話ターンのシーケンス。

POST /run/google/gemini-3.8-flash-tts?wait=20 見積もり → $0.045
# 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/google/gemini-3.8-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"

このリクエストを実行

キーはこのブラウザ内に保持されます。Doitong APIにのみ送信され、「記憶する」にチェックを入れた場合のみlocalStorageに保存されます。 APIキーを取得

Gemini 3.8 Flash TTSについて

30種類の組み込み音声のいずれかを使い、`prompt`からWAV音声を生成します。対話では、2つの`speakers`と`turns`のリストを指定できます。`style_instructions`は台本とは別に発話を設定でき、すべてのturnに適用できます。<laugh>や<sigh>などのインライン音声イベントに対応します。

パラメータ

名前型 デフォルト許可される値 説明
prompt任意
型string | null
単一話者がそのまま発話するテキスト。対話にはspeakersとturnsを使用し、promptは省略します。発話の指示にはstyle_instructionsを使用し、<laugh>または<sigh>で声のイベントをインライン指定します。プロバイダーは入力全体で最大8,192トークンまで許可します。
style_instructions任意
型string | null
すべてのターンに適用するデフォルトの発話指示。上書き可能で、発話トランスクリプトには含まれません。
voice任意
型enum
デフォルトKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
さらに14件LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
単一話者の発話に使用するプリセット音声。
speakers任意
型object[]
≤ 2項目≥ 2項目
異なる2つのエイリアスをちょうど2つ含み、それぞれに事前構成済み音声を割り当てる対話話者設定。
speakers[].speaker_id必須
型string
≥ 1 characters
各ターンの話者を識別するエイリアス。
speakers[].voice必須
型enum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
さらに14件LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
この話者に割り当てるプリセット音声。
turns任意
型object[]
各ターンに設定済みの話者を指定する対話ターンのシーケンス。
turns[].speaker_id必須
型string
≥ 1 characters
設定内の話者を識別するエイリアス。
turns[].text必須
型string
≥ 1 characters
このターンで発話する正確なトランスクリプト。
turns[].style_instructions任意
型string | null
このターンの任意の発話スタイル。
enable_safety_checker任意
型boolean
デフォルトtrue
呼び出し元に権限がある場合、false に設定するとスクリーニングを緩和できます。
必須

出力

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "google/gemini-3.8-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": 45,
    "usd": "0.045",
    "charged": 45,
    "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"
  }
}
ファイルの保存期間を選択すべてのoutputs[].urlはストレージ上のコピーです。アカウント設定または?storage=により、永久保存(GB・月単位で有料)または無料で7日保存できます。
すべてのモデルで同じ形式画像、動画、音声のいずれでも、type、url、content_type、width、height、durationが含まれます。outputはモデル独自の結果オブジェクトです。
出力フィールド
audio
object {url, content_type, file_name, file_size}WAV形式の音声出力。

その他のモデル: テキスト読み上げ

AIエージェント向け:このページのMarkdown版はこちらです: https://doitong.com/ja/developers/models/google/gemini-3.8-flash-tts.md. すべてのモデルとガイド: https://doitong.com/developers/llms.txt