Gå til innhold

Gemini 3.1 Flash Tts

Integrer

Modell-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"

Denne forespørselen: 0,003 $ 3 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Google Tekst til tale Leppe­synkroniseringRask #lipsync#avatar

Gemini 3.1 Flash tekst-til-tale med innebygd stilkontroll, 30 stemmer og opptil 10 talere

Google · Lyd

Det første resultatet ditt kommer her

Bygg en forespørsel nedenfor og kjør den med API-nøkkelen din. Utdata kopieres til lagringen vår, lagret for alltid eller 7 dager gratis.

Bygg en forespørsel

Kontrollene genereres fra modellskjemaet. Koden og prisen oppdateres når du endrer dem.

•obligatorisk 50 / 50000

Tekst for talesyntese i Gemini 3.1 Flash TTS; linjer med flere talere må starte med aliaser fra speakers-feltet, som i 'Alice: Hello!\nBob: Hi!'. Leveringen kan styres detaljert med uttrykksfulle lydtagger som [sigh], [laughing], [whispering] og [short pause], eller med innebygde instruksjoner på naturlig språk for aksent, følelse, tempo og stil, som 'Say cheerfully: Have a wonderful day!'.

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

Valgfrie instruksjoner på naturlig språk som holdes atskilt fra det talte innholdet og settes inn før prompten for å forme uttrykksfullhet, aksent, tempo, tone og følelse. Eksempler er 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' og 'Whisper mysteriously'.

output_format standard mp3

Format for utdata-lyden: mp3 gir komprimerte, kompakte filer og anbefales; wav inneholder ukomprimert PCM i en WAV-container ved 24 kHz med 16-bit mono-lyd; og ogg_opus bruker Opus i Ogg for en god balanse mellom kvalitet og størrelse.

standard Kore

Valg av enkeltstemme blant 30 ulike forhåndsinnstillinger; angivelse av speakers deaktiverer dette valget. Populære kvinnestemmer er Kore, med en sterk og bestemt levering, Zephyr, med en lys og tydelig levering, og Aoede, med en varm og melodisk levering; populære mannsstemmer er Puck, energisk og livlig, og Charon, rolig og profesjonell.

Overstyring av språk for flerspråklig syntese: automatisk gjenkjenning fra teksten brukes med mindre du angir et språk for å styre modellens tale.

standard 1

Innstilling for talens tilfeldighet, fra fokusert og forutsigbar levering ved lave innstillinger til kreativ og variert levering ved høye innstillinger.

Stemmekonfigurasjon som gjør det mulig for flere talere å lese separate deler av teksten. Tildel hver taler en stemme og et speaker_id-alias som samsvarer med de tilsvarende prompt-prefiksene.

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

Kjør denne forespørselen

Nøkkelen din blir i denne nettleseren: Den sendes bare til Doitong API og lagres bare i localStorage hvis du krysser av for Husk. Hent en API-nøkkel

Om Gemini 3.1 Flash Tts

Konverterer en `prompt` på opptil 50000 tegn til tale. Fremføringen kan styres innebygd eller via `style_instructions`. Velg én av 30 stemmer, angi en `language_code`, eller bruk `speakers` (2 til 10) for lyd med flere talere. Utdata er mp3, wav eller ogg_opus, med `temperature` fra 0 til 2.

Parametere

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
≤ 50 000 tegn
Tekst for talesyntese i Gemini 3.1 Flash TTS; linjer med flere talere må starte med aliaser fra speakers-feltet, som i 'Alice: Hello!\nBob: Hi!'. Leveringen kan styres detaljert med uttrykksfulle lydtagger som [sigh], [laughing], [whispering] og [short pause], eller med innebygde instruksjoner på naturlig språk for aksent, følelse, tempo og stil, som 'Say cheerfully: Have a wonderful day!'.
style_instructionsvalgfritt
Typestring | null
≤ 4 000 tegn
Valgfrie instruksjoner på naturlig språk som holdes atskilt fra det talte innholdet og settes inn før prompten for å forme uttrykksfullhet, aksent, tempo, tone og følelse. Eksempler er 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' og 'Whisper mysteriously'.
voicevalgfritt
Typeenum
StandardKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 flereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Valg av enkeltstemme blant 30 ulike forhåndsinnstillinger; angivelse av speakers deaktiverer dette valget. Populære kvinnestemmer er Kore, med en sterk og bestemt levering, Zephyr, med en lys og tydelig levering, og Aoede, med en varm og melodisk levering; populære mannsstemmer er Puck, energisk og livlig, og Charon, rolig og profesjonell.
language_codevalgfritt
Typeenum
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)
+71 flereRussian (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)
Overstyring av språk for flerspråklig syntese: automatisk gjenkjenning fra teksten brukes med mindre du angir et språk for å styre modellens tale.
speakersvalgfritt
Typeobject[]
Stemmekonfigurasjon som gjør det mulig for flere talere å lese separate deler av teksten. Tildel hver taler en stemme og et speaker_id-alias som samsvarer med de tilsvarende prompt-prefiksene.
temperaturevalgfritt
Typenumber
Standard1
0 – 2
Innstilling for talens tilfeldighet, fra fokusert og forutsigbar levering ved lave innstillinger til kreativ og variert levering ved høye innstillinger.
output_formatvalgfritt
Typeenum
Standardmp3
wavmp3ogg_opus
Format for utdata-lyden: mp3 gir komprimerte, kompakte filer og anbefales; wav inneholder ukomprimert PCM i en WAV-container ved 24 kHz med 16-bit mono-lyd; og ogg_opus bruker Opus i Ogg for en god balanse mellom kvalitet og størrelse.
obligatorisk

Utdata

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"
  }
}
Filene dine, ditt valgHver outputs[].url er en kopi på lagringen vår: lagret for alltid (betalt per GB-måned) eller 7 dager gratis, styrt av kontoinnstillingen din eller ?storage=.
Samme struktur for hver modelltype, url, content_type, width, height og duration, for bilder, video og lyd. output er modellens eget resultatobjekt.
Utdatafelt
audio
object {url, content_type, file_name, file_size}Lydfil produsert av genereringen.

For AI-agenter: Denne siden som Markdown finnes på https://doitong.com/no/developers/models/gemini-3.1-flash-tts.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt