Pāriet uz saturu

Gemini 3.1 Flash Tts

Integrēt

Modeļa 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"

Šis pieprasījums: 0,003 $ 3 API kredīti Izpildīt šajā lapā

Iegūt API atslēgu
Google Teksts uz runu Lūpu sinhronizācijaĀtrs #lipsync#avatar

Gemini 3.1 Flash teksta-runas pārveide ar iekļautu stila vadību, 30 balsīm un līdz 10 runātājiem

Google · Audio

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts 50 / 50000

Runas sintēzes teksts Gemini 3.1 Flash TTS; vairāku runātāju rindām jāsākas ar speakers laukā norādītiem aizstājvārdiem, piemēram, 'Alice: Hello!\nBob: Hi!'. Izrunu var precīzi vadīt ar izteiksmīgām audio atzīmēm, piemēram, [sigh], [laughing], [whispering] un [short pause], vai ar iekļautām dabiskās valodas norādēm par akcentu, emocijām, tempu un stilu, piemēram, 'Say cheerfully: Have a wonderful day!'.

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

Neobligātas dabiskās valodas norādes, kas tiek nošķirtas no izrunājamā satura un ievietotas pirms uzvednes, lai veidotu izteiksmīgumu, akcentu, tempu, toni un emocijas. Piemēri: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' un 'Whisper mysteriously'.

output_format noklusējums mp3

Izvades audio formāts: mp3 nodrošina saspiestus, kompaktus failus un ir ieteicams; wav satur nesaspiestu PCM WAV konteinerā ar 24 kHz un 16 bitu mono audio; ogg_opus izmanto Opus Ogg konteinerā, nodrošinot labu kvalitātes un izmēra līdzsvaru.

noklusējums Kore

Viena runātāja balss izvēle no 30 atšķirīgiem sākotnējiem iestatījumiem; speakers iestatīšana padara šo izvēli neaktīvu. Populāras sieviešu opcijas ir Kore ar spēcīgu un noteiktu izpildījumu, Zephyr ar gaišu un skaidru izpildījumu un Aoede ar siltu un melodisku izpildījumu; populāras vīriešu opcijas ir Puck — enerģisks un dzīvespriecīgs — un Charon — mierīgs un profesionāls.

Daudzvalodu sintēzes valodas ignorēšana: ja nenorādāt valodu, tā tiek automātiski noteikta no teksta, bet norādīta valoda vada modeļa runu.

noklusējums 1

Runas nejaušības iestatījums: zemākas vērtības nodrošina koncentrētu, paredzamu izpildījumu, bet augstākas — radošu un daudzveidīgu izpildījumu.

Balss konfigurācija, kas ļauj vairākiem runātājiem izlasīt atsevišķas teksta daļas. Katram runātājam piešķiriet balsi un speaker_id aizstājvārdu, kas atbilst attiecīgajiem uzvednes prefiksiem.

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

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Gemini 3.1 Flash Tts

Pārvērš `prompt` līdz 50000 rakstzīmēm runā. Izrunu var vadīt iekļautā veidā vai ar `style_instructions`. Izvēlieties vienu no 30 balsīm, iestatiet `language_code` vai izmantojiet `speakers` (2 līdz 10) vairāku runātāju audio. Izvade ir mp3, wav vai ogg_opus, bet `temperature` ir no 0 līdz 2.

Parametri

NosaukumsTips NoklusējumsAtļauts Apraksts
promptobligāts
Tipsstring
≤ 50 000 rakstzīmju
Runas sintēzes teksts Gemini 3.1 Flash TTS; vairāku runātāju rindām jāsākas ar speakers laukā norādītiem aizstājvārdiem, piemēram, 'Alice: Hello!\nBob: Hi!'. Izrunu var precīzi vadīt ar izteiksmīgām audio atzīmēm, piemēram, [sigh], [laughing], [whispering] un [short pause], vai ar iekļautām dabiskās valodas norādēm par akcentu, emocijām, tempu un stilu, piemēram, 'Say cheerfully: Have a wonderful day!'.
style_instructionsneobligāts
Tipsstring | null
≤ 4000 rakstzīmju
Neobligātas dabiskās valodas norādes, kas tiek nošķirtas no izrunājamā satura un ievietotas pirms uzvednes, lai veidotu izteiksmīgumu, akcentu, tempu, toni un emocijas. Piemēri: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' un 'Whisper mysteriously'.
voiceneobligāts
Tipsenum
NoklusējumsKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+vēl 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Viena runātāja balss izvēle no 30 atšķirīgiem sākotnējiem iestatījumiem; speakers iestatīšana padara šo izvēli neaktīvu. Populāras sieviešu opcijas ir Kore ar spēcīgu un noteiktu izpildījumu, Zephyr ar gaišu un skaidru izpildījumu un Aoede ar siltu un melodisku izpildījumu; populāras vīriešu opcijas ir Puck — enerģisks un dzīvespriecīgs — un Charon — mierīgs un profesionāls.
language_codeneobligāts
Tipsenum
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)
+vēl 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)
Daudzvalodu sintēzes valodas ignorēšana: ja nenorādāt valodu, tā tiek automātiski noteikta no teksta, bet norādīta valoda vada modeļa runu.
speakersneobligāts
Tipsobject[]
Balss konfigurācija, kas ļauj vairākiem runātājiem izlasīt atsevišķas teksta daļas. Katram runātājam piešķiriet balsi un speaker_id aizstājvārdu, kas atbilst attiecīgajiem uzvednes prefiksiem.
temperatureneobligāts
Tipsnumber
Noklusējums1
0 – 2
Runas nejaušības iestatījums: zemākas vērtības nodrošina koncentrētu, paredzamu izpildījumu, bet augstākas — radošu un daudzveidīgu izpildījumu.
output_formatneobligāts
Tipsenum
Noklusējumsmp3
wavmp3ogg_opus
Izvades audio formāts: mp3 nodrošina saspiestus, kompaktus failus un ir ieteicams; wav satur nesaspiestu PCM WAV konteinerā ar 24 kHz un 16 bitu mono audio; ogg_opus izmanto Opus Ogg konteinerā, nodrošinot labu kvalitātes un izmēra līdzsvaru.
obligāts

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
audio
object {url, content_type, file_name, file_size}Ģenerēšanas rezultātā iegūtais audio fails.

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/gemini-3.1-flash-tts.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt