Pereiti prie turinio

Gemini 3.1 Flash Tts

Integruoti

Modelio id 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"

Ši užklausa: 0,003 $ 3 API kreditai Paleisti šiame puslapyje

Gauti API raktą
Google Tekstas į kalbą Lūpų sinchronizavimasGreitas #lipsync#avatar

Gemini 3.1 Flash teksto į kalbą modelis su eilutėje valdoma stiliaus kontrole, 30 balsų ir iki 10 kalbėtojų

Google · Garsas

Čia bus pirmasis jūsų rezultatas

Sukurkite užklausą toliau ir paleiskite ją naudodami savo API raktą. Išvestys nukopijuojamos į mūsų saugyklą ir saugomos neribotą laiką arba 7 dienos nemokamai.

Sukurti užklausą

Valdikliai sugeneruojami pagal modelio schemą. Keisdami juos atnaujinsite kodą ir kainą.

•privaloma 50 / 50000

Gemini 3.1 Flash TTS kalbos sintezės tekstas; kelių kalbėtojų eilutės turi prasidėti speakers lauko pseudonimais, kaip 'Alice: Hello!\nBob: Hi!'. Pristatymą galima tiksliai valdyti išraiškingomis garso žymomis, pvz., [sigh], [laughing], [whispering] ir [short pause], arba įterptomis natūralios kalbos instrukcijomis dėl akcento, emocijos, tempo ir stiliaus, pvz., 'Say cheerfully: Have a wonderful day!'.

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

Pasirinktinės natūralios kalbos instrukcijos, laikomos atskirai nuo tariamo turinio ir įterpiamos prieš raginį, kad formuotų išraiškingumą, akcentą, tempą, toną ir emociją. Pavyzdžiai: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' ir 'Whisper mysteriously'.

output_format numatytoji mp3

Išvesties garso formatas: mp3 pateikia suspaustus, kompaktiškus failus ir yra rekomenduojamas; wav yra nesuspaustas PCM WAV konteineryje, 24 kHz, 16 bitų monofoninis garsas; ogg_opus naudoja Opus Ogg konteineryje ir užtikrina gerą kokybės bei dydžio pusiausvyrą.

numatytoji Kore

Vieno kalbėtojo balso pasirinkimas iš 30 išankstinių nuostatų; nustačius speakers, šis pasirinkimas neaktyvus. Populiarūs moteriški variantai: Kore – stiprus ir tvirtas balsas, Zephyr – ryškus ir aiškus balsas, Aoede – šiltas ir melodingas balsas; populiarūs vyriški variantai: Puck – optimistiškas ir gyvas, Charon – ramus ir profesionalus.

Daugiakalbės sintezės kalbos perrašymas: jei nenurodote kalbos, ji automatiškai aptinkama tekste; nurodyta kalba valdo modelio kalbą.

numatytoji 1

Kalbos atsitiktinumo nuostata: mažesnės reikšmės užtikrina sutelktą, nuspėjamą tarimą, didesnės – kūrybišką ir įvairesnį.

Balso konfigūracija, leidžianti keliems kalbėtojams perskaityti atskiras teksto dalis. Kiekvienam kalbėtojui priskirkite balsą ir speaker_id pseudonimą, atitinkantį raginio prefiksus.

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

Vykdyti šią užklausą

Jūsų raktas lieka šioje naršyklėje: jis siunčiamas tik į Doitong API ir išsaugomas (localStorage) tik pažymėjus Prisiminti. Gauti API raktą

Apie Gemini 3.1 Flash Tts

Paverčia iki 50000 simbolių `prompt` į kalbą. Kalbėjimo manierą galima valdyti eilutėje arba per `style_instructions`. Pasirinkite vieną iš 30 balsų, nustatykite `language_code` arba naudokite `speakers` (nuo 2 iki 10) kelių kalbėtojų garsui. Išvestis gali būti mp3, wav arba ogg_opus, o `temperature` reikšmės – nuo 0 iki 2.

Parametrai

PavadinimasTipas Numatytoji reikšmėLeidžiama Aprašas
promptprivaloma
Tipasstring
≤ 50 000 simbolių
Gemini 3.1 Flash TTS kalbos sintezės tekstas; kelių kalbėtojų eilutės turi prasidėti speakers lauko pseudonimais, kaip 'Alice: Hello!\nBob: Hi!'. Pristatymą galima tiksliai valdyti išraiškingomis garso žymomis, pvz., [sigh], [laughing], [whispering] ir [short pause], arba įterptomis natūralios kalbos instrukcijomis dėl akcento, emocijos, tempo ir stiliaus, pvz., 'Say cheerfully: Have a wonderful day!'.
style_instructionsneprivalomas
Tipasstring | null
≤ 4 000 simbolių
Pasirinktinės natūralios kalbos instrukcijos, laikomos atskirai nuo tariamo turinio ir įterpiamos prieš raginį, kad formuotų išraiškingumą, akcentą, tempą, toną ir emociją. Pavyzdžiai: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' ir 'Whisper mysteriously'.
voiceneprivalomas
Tipasenum
Numatytoji reikšmėKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
dar +14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Vieno kalbėtojo balso pasirinkimas iš 30 išankstinių nuostatų; nustačius speakers, šis pasirinkimas neaktyvus. Populiarūs moteriški variantai: Kore – stiprus ir tvirtas balsas, Zephyr – ryškus ir aiškus balsas, Aoede – šiltas ir melodingas balsas; populiarūs vyriški variantai: Puck – optimistiškas ir gyvas, Charon – ramus ir profesionalus.
language_codeneprivalomas
Tipasenum
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)
dar +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)
Daugiakalbės sintezės kalbos perrašymas: jei nenurodote kalbos, ji automatiškai aptinkama tekste; nurodyta kalba valdo modelio kalbą.
speakersneprivalomas
Tipasobject[]
Balso konfigūracija, leidžianti keliems kalbėtojams perskaityti atskiras teksto dalis. Kiekvienam kalbėtojui priskirkite balsą ir speaker_id pseudonimą, atitinkantį raginio prefiksus.
temperatureneprivalomas
Tipasnumber
Numatytoji reikšmė1
0 – 2
Kalbos atsitiktinumo nuostata: mažesnės reikšmės užtikrina sutelktą, nuspėjamą tarimą, didesnės – kūrybišką ir įvairesnį.
output_formatneprivalomas
Tipasenum
Numatytoji reikšmėmp3
wavmp3ogg_opus
Išvesties garso formatas: mp3 pateikia suspaustus, kompaktiškus failus ir yra rekomenduojamas; wav yra nesuspaustas PCM WAV konteineryje, 24 kHz, 16 bitų monofoninis garsas; ogg_opus naudoja Opus Ogg konteineryje ir užtikrina gerą kokybės bei dydžio pusiausvyrą.
privaloma

Išvestis

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"
  }
}
Jūsų failai — jūsų pasirinkimasKiekvienas outputs[].url yra kopija mūsų saugykloje: saugoma neribotą laiką (mokama už GB per mėnesį) arba 7 dienos nemokamai, pagal paskyros nustatymą arba ?storage=.
Ta pati struktūra kiekviename modelyjetype, url, content_type, width, height ir duration taikomi vaizdams, vaizdo įrašams ir garsui. output yra paties modelio rezultatų objektas.
Išvesties laukai
audio
object {url, content_type, file_name, file_size}Generuojant sukurtas garso failas.

AI agentams: šis puslapis Markdown formatu pateikiamas adresu https://doitong.com/lt/developers/models/gemini-3.1-flash-tts.md. Visi modeliai ir vadovai: https://doitong.com/developers/llms.txt