Pereiti prie turinio

Gemini TTS

Integruoti

Modelio id 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"

Ši užklausa: ≈0,03 $ 30 API kreditų Paleisti šiame puslapyje

Gauti API raktą
Google Tekstas į kalbą #text-to-speech#audio#gemini

Teksto į kalbą modelis su 30 balsų, kelių kalbėtojų dialogu, stiliaus instrukcijomis ir Flash arba Pro modelio pasirinkimu

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 TTS kalbos tekstas, priimantis įterptas natūralios kalbos stiliaus, tempo, akcento ir emocijos instrukcijas, pvz., 'Say cheerfully: Have a wonderful day!'. Įterptos žymos, įskaitant [slowly], [whispering], [excited] ir [extremely fast], taip pat valdo tempą ir stilių. Keliems kalbėtojams reikalingos eilutės, prasidedančios speakers lauko pseudonimais, pvz., 'Alice: Hello!\nBob: Hi!'.

Išplėstiniai style_instructions · output_format · voice · model · 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.

numatytoji gemini-2.5-flash-tts

Gemini TTS modelio pasirinkimas. Aukščiausiai kokybei struktūruotose darbo sekose, pvz., garsinėse knygose, tinklalaidėse ar klientų aptarnavime, naudokite gemini-2.5-pro-tts.

Daugiakalbės sintezės kalba: jos nenurodžius modelis nustato kalbą iš jūsų teksto, o ją pateikus valdoma tariama išvestis. Preview palaiko daugiau kaip 60 kalbų, GA – 24.

numatytoji 1

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

gemini-2.5-pro-tts ir gemini-2.5-flash-tts palaikoma kalbėtojo konfigūracija, kurios nepalaiko gemini-2.5-flash-lite-preview-tts. Ją pateikus skirtingi balsai skaito skirtingas teksto dalis; kiekvienam kalbėtojui pateikite balsą ir speaker_id pseudonimą, atitinkantį jo raginio prefiksus.

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

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 TTS

Paverčia iki 50,000 simbolių teksto į kalbą. Pasirinkite `voice` ir `model` gemini-2.5-flash-tts arba gemini-2.5-pro-tts. `style_instructions` (iki 4000 simbolių) valdo kalbėjimo manierą, o `speakers` priima nuo 2 iki 10 įrašų kelių balsų scenarijams. Pasirinktiniai `language_code`, `temperature` nuo 0 iki 2 ir wav, mp3 arba ogg_opus išvestis.

Parametrai

PavadinimasTipas Numatytoji reikšmėLeidžiama Aprašas
promptprivaloma
Tipasstring
≤ 50 000 simbolių
Gemini TTS kalbos tekstas, priimantis įterptas natūralios kalbos stiliaus, tempo, akcento ir emocijos instrukcijas, pvz., 'Say cheerfully: Have a wonderful day!'. Įterptos žymos, įskaitant [slowly], [whispering], [excited] ir [extremely fast], taip pat valdo tempą ir stilių. Keliems kalbėtojams reikalingos eilutės, prasidedančios speakers lauko pseudonimais, pvz., 'Alice: Hello!\nBob: Hi!'.
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.
modelneprivalomas
Tipasenum
Numatytoji reikšmėgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS modelio pasirinkimas. Aukščiausiai kokybei struktūruotose darbo sekose, pvz., garsinėse knygose, tinklalaidėse ar klientų aptarnavime, naudokite gemini-2.5-pro-tts.
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 kalba: jos nenurodžius modelis nustato kalbą iš jūsų teksto, o ją pateikus valdoma tariama išvestis. Preview palaiko daugiau kaip 60 kalbų, GA – 24.
speakersneprivalomas
Tipasobject[]
≤ 10 elementų≥ 2 elementų
gemini-2.5-pro-tts ir gemini-2.5-flash-tts palaikoma kalbėtojo konfigūracija, kurios nepalaiko gemini-2.5-flash-lite-preview-tts. Ją pateikus skirtingi balsai skaito skirtingas teksto dalis; kiekvienam kalbėtojui pateikite balsą ir speaker_id pseudonimą, atitinkantį jo raginio prefiksus.
speakers[].voiceprivaloma
Tipasenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
dar +14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Šiam kalbėtojui priskirtas išankstinis balso nustatymas.
speakers[].speaker_idprivaloma
Tipasstring
Kalbėtojo pseudonimas, sudarytas tik iš raidinių ir skaitinių simbolių, be tarpų. Kalbėtoją nurodykite jo pseudonimu pradėdami raginio tekstą, pvz., 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Visi modeliai ir vadovai: https://doitong.com/developers/llms.txt