Gå til innhold

Gemini TTS

Integrer

Modell-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"

Denne forespørselen: ≈0,03 $ 30 API-kreditter Kjør den på denne siden

Hent API-nøkkel
Google Tekst til tale #text-to-speech#audio#gemini

Tekst-til-tale med 30 stemmer, dialog med flere talere, stilinstruksjoner og valg mellom en Flash- eller Pro-modell

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

Taletekst for Gemini TTS, med innebygde instruksjoner på naturlig språk for stil, tempo, aksent og følelse, som 'Say cheerfully: Have a wonderful day!'. Innebygde markører som [slowly], [whispering], [excited] og [extremely fast] styrer også tempo og stil. Flere talere krever linjer som begynner med aliaser fra speakers-feltet, for eksempel 'Alice: Hello!\nBob: Hi!'.

Avansert style_instructions · output_format · voice · model · 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.

standard gemini-2.5-flash-tts

Valg av Gemini TTS-modell. For høyest kvalitet i strukturerte arbeidsflyter som lydbøker, podkaster eller kundestøtte bruker du gemini-2.5-pro-tts.

talespråk for flerspråklig syntese: utelat det for å la modellen utlede språket fra teksten, eller oppgi det for å styre taleutdataene. Dekningen omfatter over 60 språk i Preview og 24 i GA.

standard 1

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

Talerkonfigurasjon som støttes av gemini-2.5-pro-tts og gemini-2.5-flash-tts, men ikke av gemini-2.5-flash-lite-preview-tts. Når den oppgis, kan ulike stemmer lese ulike deler av teksten; for hver taler oppgir du en stemme og et speaker_id-alias som samsvarer med talerens prompt-prefikser.

POST /run/gemini-tts?wait=20 pris → 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"

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 TTS

Konverterer opptil 50 000 tegn med tekst til tale. Velg en `voice` og `model` gemini-2.5-flash-tts eller gemini-2.5-pro-tts. `style_instructions` (opptil 4000 tegn) styrer fremføringen, og `speakers` tar 2 til 10 oppføringer for manus med flere stemmer. Valgfri `language_code`, `temperature` fra 0 til 2 og wav-, mp3- eller ogg_opus-utdata.

Parametere

NavnType StandardTillatt Beskrivelse
promptobligatorisk
Typestring
≤ 50 000 tegn
Taletekst for Gemini TTS, med innebygde instruksjoner på naturlig språk for stil, tempo, aksent og følelse, som 'Say cheerfully: Have a wonderful day!'. Innebygde markører som [slowly], [whispering], [excited] og [extremely fast] styrer også tempo og stil. Flere talere krever linjer som begynner med aliaser fra speakers-feltet, for eksempel 'Alice: Hello!\nBob: Hi!'.
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.
modelvalgfritt
Typeenum
Standardgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Valg av Gemini TTS-modell. For høyest kvalitet i strukturerte arbeidsflyter som lydbøker, podkaster eller kundestøtte bruker du gemini-2.5-pro-tts.
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)
talespråk for flerspråklig syntese: utelat det for å la modellen utlede språket fra teksten, eller oppgi det for å styre taleutdataene. Dekningen omfatter over 60 språk i Preview og 24 i GA.
speakersvalgfritt
Typeobject[]
≤ 10 elementer≥ 2 elementer
Talerkonfigurasjon som støttes av gemini-2.5-pro-tts og gemini-2.5-flash-tts, men ikke av gemini-2.5-flash-lite-preview-tts. Når den oppgis, kan ulike stemmer lese ulike deler av teksten; for hver taler oppgir du en stemme og et speaker_id-alias som samsvarer med talerens prompt-prefikser.
speakers[].voiceobligatorisk
Typeenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 flereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Forhåndsinnstilt stemme tilordnet denne taleren.
speakers[].speaker_idobligatorisk
Typestring
Taleralias som bare inneholder alfanumeriske tegn og ingen mellomrom. Identifiser taleren ved å sette dette aliaset foran prompt-teksten, som i 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Alle modeller og veiledninger: https://doitong.com/developers/llms.txt