Мазмұнға өту

Gemini 3.1 Flash Tts

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: 0,003 $ 3 API кредиті Осы бетте іске қосу

API кілтін алу
Google Мәтіннен сөйлеуге Ерін синхрондауыЖылдам #lipsync#avatar

Кірістірілген стиль басқаруы, 30 дауыс және 10 сөйлеушіге дейінгі Gemini 3.1 Flash мәтінді дыбыстау моделі

Google · Аудио

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті 50 / 50000

Gemini 3.1 Flash TTS үшін сөйлеу синтезінің мәтіні; бірнеше сөйлеушіге арналған жолдар speakers өрісіндегі бүркеншік аттардан басталуы керек, мысалы, 'Alice: Hello!\nBob: Hi!'. Жеткізу мәнерін [sigh], [laughing], [whispering] және [short pause] сияқты аудио тегтерімен немесе екпін, эмоция, қарқын және стильге арналған табиғи тілдегі кірістірілген нұсқаулармен басқаруға болады, мысалы, 'Say cheerfully: Have a wonderful day!'.

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

Сөйленетін мазмұннан бөлек сақталатын және мәнерлілік, екпін, қарқын, үн мен эмоцияны қалыптастыру үшін нұсқауға дейін кірістірілетін қосымша табиғи тілдегі нұсқаулар. Мысалдар: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' және 'Whisper mysteriously'.

output_format әдепкі mp3

Шығыс аудиосының пішімі: mp3 қысылған ықшам файлдар береді және ұсынылады; wav WAV контейнеріндегі қысылмаған PCM, 24 kHz, 16 биттік моно аудио; ogg_opus Ogg ішіндегі Opus арқылы сапа мен өлшем арасында қолайлы теңгерім береді.

әдепкі Kore

30 түрлі пресеттен бір сөйлеушінің дауысын таңдау; speakers параметрі берілсе, бұл таңдау белсенді болмайды. Танымал әйел дауыстары: Kore — күшті әрі нық, Zephyr — ашық әрі анық, Aoede — жылы әрі әуезді; танымал ер дауыстары: Puck — сергек әрі ширақ, Charon — сабырлы әрі кәсіби.

Көптілді синтез тілін қайта анықтау: тіл көрсетілмесе, мәтіннен автоматты түрде анықталады; тіл көрсету модельдің сөйлеуін бағыттайды.

әдепкі 1

Сөйлеудің кездейсоқтығы параметрі: төмен мәндерде жинақы әрі болжамды, жоғары мәндерде креативті әрі әртүрлі жеткізуге әсер етеді.

Әртүрлі сөйлеушілерге мәтіннің бөлек бөліктерін оқуға мүмкіндік беретін дауыс конфигурациясы. Әр сөйлеушіге сәйкес нұсқау префикстеріне сай келетін speaker_id бүркеншік атымен бірге дауыс тағайындаңыз.

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

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

Gemini 3.1 Flash Tts туралы

Ұзындығы 50000 таңбаға дейінгі `prompt` мәтінін сөйлеуге айналдырады. Дауыс мәнерін нұсқаудың ішінде немесе `style_instructions` арқылы басқаруға болады. 30 дауыстың бірін таңдаңыз, `language_code` орнатыңыз немесе көп сөйлеушілі аудио үшін `speakers` (2–10) пайдаланыңыз. Шығыс mp3, wav немесе ogg_opus, `temperature` ауқымы 0–2.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
promptміндетті
Түріstring
≤ 50 000 таңба
Gemini 3.1 Flash TTS үшін сөйлеу синтезінің мәтіні; бірнеше сөйлеушіге арналған жолдар speakers өрісіндегі бүркеншік аттардан басталуы керек, мысалы, 'Alice: Hello!\nBob: Hi!'. Жеткізу мәнерін [sigh], [laughing], [whispering] және [short pause] сияқты аудио тегтерімен немесе екпін, эмоция, қарқын және стильге арналған табиғи тілдегі кірістірілген нұсқаулармен басқаруға болады, мысалы, 'Say cheerfully: Have a wonderful day!'.
style_instructionsміндетті емес
Түріstring | null
≤ 4 000 таңба
Сөйленетін мазмұннан бөлек сақталатын және мәнерлілік, екпін, қарқын, үн мен эмоцияны қалыптастыру үшін нұсқауға дейін кірістірілетін қосымша табиғи тілдегі нұсқаулар. Мысалдар: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' және 'Whisper mysteriously'.
voiceміндетті емес
Түріenum
ӘдепкіKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
тағы 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 түрлі пресеттен бір сөйлеушінің дауысын таңдау; speakers параметрі берілсе, бұл таңдау белсенді болмайды. Танымал әйел дауыстары: Kore — күшті әрі нық, Zephyr — ашық әрі анық, Aoede — жылы әрі әуезді; танымал ер дауыстары: Puck — сергек әрі ширақ, Charon — сабырлы әрі кәсіби.
language_codeміндетті емес
Түріenum
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)
тағы 71Russian (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)
Көптілді синтез тілін қайта анықтау: тіл көрсетілмесе, мәтіннен автоматты түрде анықталады; тіл көрсету модельдің сөйлеуін бағыттайды.
speakersміндетті емес
Түріobject[]
Әртүрлі сөйлеушілерге мәтіннің бөлек бөліктерін оқуға мүмкіндік беретін дауыс конфигурациясы. Әр сөйлеушіге сәйкес нұсқау префикстеріне сай келетін speaker_id бүркеншік атымен бірге дауыс тағайындаңыз.
temperatureміндетті емес
Түріnumber
Әдепкі1
0 – 2
Сөйлеудің кездейсоқтығы параметрі: төмен мәндерде жинақы әрі болжамды, жоғары мәндерде креативті әрі әртүрлі жеткізуге әсер етеді.
output_formatміндетті емес
Түріenum
Әдепкіmp3
wavmp3ogg_opus
Шығыс аудиосының пішімі: mp3 қысылған ықшам файлдар береді және ұсынылады; wav WAV контейнеріндегі қысылмаған PCM, 24 kHz, 16 биттік моно аудио; ogg_opus Ogg ішіндегі Opus арқылы сапа мен өлшем арасында қолайлы теңгерім береді.
міндетті

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
audio
object {url, content_type, file_name, file_size}Генерация нәтижесінде алынған аудио файлы.

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/gemini-3.1-flash-tts.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt