Мазмұнға өту

Gemini TTS

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: ≈0,03 $ 30 API кредиті Осы бетте іске қосу

API кілтін алу
Google Мәтіннен сөйлеуге #text-to-speech#audio#gemini

30 дауысы, көп спикерлі диалогы, стиль нұсқаулары және Flash немесе Pro модель таңдауы бар мәтіннен сөйлеуге түрлендіргіш

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 TTS үшін сөйлеу мәтіні; стиль, қарқын, екпін және эмоцияға арналған табиғи тілдегі кірістірілген нұсқауларды қабылдайды, мысалы, 'Say cheerfully: Have a wonderful day!'. [slowly], [whispering], [excited] және [extremely fast] сияқты маркерлер де қарқын мен стильді басқарады. Бірнеше сөйлеуші болса, жолдар speakers өрісіндегі бүркеншік аттардан басталуы керек, мысалы, 'Alice: Hello!\nBob: Hi!'.

Қосымша style_instructions · output_format · voice · model · 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.

әдепкі gemini-2.5-flash-tts

Gemini TTS моделін таңдау. Аудиокітаптар, подкасттар немесе клиенттерді қолдау сияқты құрылымдалған жұмыс процестеріндегі ең жоғары сапа үшін gemini-2.5-pro-tts пайдаланыңыз.

Көптілді синтезге арналған сөйлеу тілі: модель мәтіннен тілді анықтауы үшін көрсетпей қалдырыңыз немесе сөйлеу шығысын бағыттау үшін беріңіз. Preview нұсқасында 60-тан астам, GA нұсқасында 24 тіл қолжетімді.

әдепкі 1

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

gemini-2.5-pro-tts және gemini-2.5-flash-tts қолдайтын, бірақ gemini-2.5-flash-lite-preview-tts қолдамайтын сөйлеуші конфигурациясы. Оны беру әртүрлі дауыстарға мәтіннің бөлек бөліктерін оқуға мүмкіндік береді; әр сөйлеуші үшін оның нұсқау префикстеріне сәйкес speaker_id бүркеншік атымен бірге дауыс беріңіз.

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

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 TTS туралы

50,000 таңбаға дейінгі мәтінді сөйлеуге айналдырады. `voice` таңдаңыз, ал `model` ретінде gemini-2.5-flash-tts немесе gemini-2.5-pro-tts көрсетіңіз. `style_instructions` (4000 таңбаға дейін) оқылымды басқарады, ал `speakers` көп дауысты сценарийлер үшін 2 to 10 жазба қабылдайды. Қосымша `language_code`, `temperature` 0 to 2 және wav, mp3 немесе ogg_opus шығысы бар.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
promptміндетті
Түріstring
≤ 50 000 таңба
Gemini TTS үшін сөйлеу мәтіні; стиль, қарқын, екпін және эмоцияға арналған табиғи тілдегі кірістірілген нұсқауларды қабылдайды, мысалы, 'Say cheerfully: Have a wonderful day!'. [slowly], [whispering], [excited] және [extremely fast] сияқты маркерлер де қарқын мен стильді басқарады. Бірнеше сөйлеуші болса, жолдар speakers өрісіндегі бүркеншік аттардан басталуы керек, мысалы, 'Alice: Hello!\nBob: Hi!'.
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.
modelміндетті емес
Түріenum
Әдепкіgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS моделін таңдау. Аудиокітаптар, подкасттар немесе клиенттерді қолдау сияқты құрылымдалған жұмыс процестеріндегі ең жоғары сапа үшін gemini-2.5-pro-tts пайдаланыңыз.
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 синтезге арналған сөйлеу тілі: модель мәтіннен тілді анықтауы үшін көрсетпей қалдырыңыз немесе сөйлеу шығысын бағыттау үшін беріңіз. Preview нұсқасында 60-тан астам, GA нұсқасында 24 тіл қолжетімді.
speakersміндетті емес
Түріobject[]
≤ 10 элемент≥ 2 элемент
gemini-2.5-pro-tts және gemini-2.5-flash-tts қолдайтын, бірақ gemini-2.5-flash-lite-preview-tts қолдамайтын сөйлеуші конфигурациясы. Оны беру әртүрлі дауыстарға мәтіннің бөлек бөліктерін оқуға мүмкіндік береді; әр сөйлеуші үшін оның нұсқау префикстеріне сәйкес speaker_id бүркеншік атымен бірге дауыс беріңіз.
speakers[].voiceміндетті
Түріenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
тағы 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Осы сөйлеушіге тағайындалған пресет дауысы.
speakers[].speaker_idміндетті
Түріstring
Тек әріптер мен сандардан тұратын, бос орны жоқ сөйлеуші бүркеншік аты. Сөйлеушіні анықтау үшін нұсқау мәтінін осы бүркеншік атпен бастаңыз, мысалы, 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt