ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Gemini 3.1 Flash Tts

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਇਹ ਬੇਨਤੀ: $0.003 3 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Google ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ ਲਿਪਸਿੰਕਤੇਜ਼ #lipsync#avatar

ਇਨਲਾਈਨ ਸਟਾਈਲ ਕੰਟਰੋਲ, 30 ਆਵਾਜ਼ਾਂ ਅਤੇ ਵੱਧ ਤੋਂ ਵੱਧ 10 ਸਪੀਕਰਾਂ ਵਾਲਾ Gemini 3.1 Flash ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ

Google · ਆਡੀਓ

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ 50 / 50000

Gemini 3.1 Flash TTS ਲਈ ਬੋਲੀ-ਸਿਰਜਣਾ ਪਾਠ; ਬਹੁ-ਵਕਤਾ ਲਾਈਨਾਂ speakers ਫ਼ੀਲਡ ਦੇ ਉਪਨਾਮਾਂ ਨਾਲ ਸ਼ੁਰੂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਜਿਵੇਂ 'Alice: Hello!\nBob: Hi!'. ਉਚਾਰਣ ਨੂੰ [sigh], [laughing], [whispering], ਅਤੇ [short pause] ਵਰਗੇ ਅਭਿਵਿਅੰਜਕ ਆਡੀਓ ਟੈਗਾਂ ਜਾਂ ਲਹਿਜ਼ੇ, ਭਾਵਨਾ, ਗਤੀ ਅਤੇ ਸ਼ੈਲੀ ਲਈ ਇਨਲਾਈਨ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਹਦਾਇਤਾਂ ਰਾਹੀਂ ਬਾਰੀਕੀ ਨਾਲ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ 'Say cheerfully: Have a wonderful day!'.

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

ਵਿਕਲਪਿਕ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਹਦਾਇਤਾਂ, ਜੋ ਬੋਲੇ ਜਾਣ ਵਾਲੇ ਸਮੱਗਰੀ ਤੋਂ ਵੱਖ ਰੱਖੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਅਤੇ ਅਭਿਵਿਅੰਜਕਤਾ, ਲਹਿਜ਼ੇ, ਗਤੀ, ਸੁਰ ਅਤੇ ਭਾਵਨਾ ਨੂੰ ਆਕਾਰ ਦੇਣ ਲਈ ਪ੍ਰੌਂਪਟ ਤੋਂ ਪਹਿਲਾਂ ਸ਼ਾਮਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', ਅਤੇ 'Whisper mysteriously' ਸ਼ਾਮਲ ਹਨ।

output_format ਡਿਫ਼ਾਲਟ mp3

ਆਉਟਪੁੱਟ ਆਡੀਓ ਦਾ ਫ਼ਾਰਮੈਟ: mp3 ਸੰਕੁਚਿਤ, ਛੋਟੀਆਂ ਫ਼ਾਈਲਾਂ ਦਿੰਦਾ ਹੈ ਅਤੇ ਸਿਫ਼ਾਰਸ਼ੀ ਹੈ; wav ਵਿੱਚ 24 kHz 'ਤੇ WAV ਕੰਟੇਨਰ ਵਿੱਚ 16-bit ਮੋਨੋ ਆਡੀਓ ਵਾਲਾ ਅਸੰਕੁਚਿਤ PCM ਹੁੰਦਾ ਹੈ; ogg_opus ਗੁਣਵੱਤਾ ਅਤੇ ਆਕਾਰ ਦਾ ਵਧੀਆ ਸੰਤੁਲਨ ਦੇਣ ਲਈ Ogg ਦੇ ਅੰਦਰ Opus ਵਰਤਦਾ ਹੈ।

ਡਿਫ਼ਾਲਟ Kore

30 ਵੱਖਰੇ ਪ੍ਰੀਸੈਟਾਂ ਵਿੱਚੋਂ ਇੱਕ-ਵਕਤਾ ਆਵਾਜ਼ ਚੁਣੋ; speakers ਸੈੱਟ ਕਰਨ ਨਾਲ ਇਹ ਚੋਣ ਅਕਿਰਿਆਸ਼ੀਲ ਹੋ ਜਾਂਦੀ ਹੈ। ਪ੍ਰਸਿੱਧ ਮਹਿਲਾ ਵਿਕਲਪਾਂ ਵਿੱਚ Kore, ਮਜ਼ਬੂਤ ਅਤੇ ਦ੍ਰਿੜ੍ਹ ਅੰਦਾਜ਼ ਵਾਲੀ, Zephyr, ਚਮਕਦਾਰ ਅਤੇ ਸਪਸ਼ਟ ਅੰਦਾਜ਼ ਵਾਲੀ, ਅਤੇ Aoede, ਗਰਮਜੋਸ਼ੀ ਭਰੀ ਅਤੇ ਸੁਰਮਈ ਅੰਦਾਜ਼ ਵਾਲੀ ਸ਼ਾਮਲ ਹਨ; ਪ੍ਰਸਿੱਧ ਪੁਰਸ਼ ਵਿਕਲਪਾਂ ਵਿੱਚ Puck, ਉਤਸ਼ਾਹੀ ਅਤੇ ਜੀਵੰਤ, ਅਤੇ Charon, ਸ਼ਾਂਤ ਅਤੇ ਪੇਸ਼ੇਵਰ ਸ਼ਾਮਲ ਹਨ।

ਬਹੁ-ਭਾਸ਼ੀ ਸਿਰਜਣਾ ਲਈ ਭਾਸ਼ਾ ਓਵਰਰਾਈਡ: ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਮਾਡਲ ਦੀ ਬੋਲੀ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ਲਈ ਭਾਸ਼ਾ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰਦੇ, ਪਾਠ ਤੋਂ ਆਟੋਮੈਟਿਕ ਪਛਾਣ ਲਾਗੂ ਹੁੰਦੀ ਹੈ।

ਡਿਫ਼ਾਲਟ 1

ਬੋਲੀ ਦੀ ਬੇਤਰਤੀਬੀ ਸੈਟਿੰਗ, ਜਿਸਦਾ ਪ੍ਰਭਾਵ ਘੱਟ ਸੈਟਿੰਗਾਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਅਤੇ ਅਨੁਮਾਨਯੋਗ ਅੰਦਾਜ਼ ਤੋਂ ਲੈ ਕੇ ਵੱਧ ਸੈਟਿੰਗਾਂ 'ਤੇ ਰਚਨਾਤਮਕ ਅਤੇ ਵਿਭਿੰਨ ਅੰਦਾਜ਼ ਤੱਕ ਹੁੰਦਾ ਹੈ।

ਆਵਾਜ਼ ਸੰਰਚਨਾ, ਜੋ ਕਈ ਵਕਤਾਵਾਂ ਨੂੰ ਪਾਠ ਦੇ ਵੱਖਰੇ ਹਿੱਸੇ ਪੜ੍ਹਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਹਰ ਵਕਤਾ ਨੂੰ ਇੱਕ ਆਵਾਜ਼ ਅਤੇ ਸੰਬੰਧਿਤ ਪ੍ਰੌਂਪਟ ਪ੍ਰੀਫ਼ਿਕਸ ਨਾਲ ਮਿਲਦਾ speaker_id ਉਪਨਾਮ ਦਿਓ।

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

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Gemini 3.1 Flash Tts ਬਾਰੇ

50000 ਅੱਖਰਾਂ ਤੱਕ ਦੇ `prompt` ਨੂੰ ਬੋਲੀ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਡਿਲਿਵਰੀ ਨੂੰ ਇਨਲਾਈਨ ਜਾਂ `style_instructions` ਰਾਹੀਂ ਨਿਰਦੇਸ਼ਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। 30 ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਚੁਣੋ, `language_code` ਸੈੱਟ ਕਰੋ, ਜਾਂ ਬਹੁ-ਸਪੀਕਰ ਆਡੀਓ ਲਈ `speakers` (2 ਤੋਂ 10) ਵਰਤੋ। ਆਉਟਪੁੱਟ mp3, wav ਜਾਂ ogg_opus ਹੁੰਦੀ ਹੈ, ਅਤੇ `temperature` 0 ਤੋਂ 2 ਤੱਕ ਹੋ ਸਕਦਾ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਲੋੜੀਂਦਾ
ਕਿਸਮstring
≤ 50,000 ਅੱਖਰ
Gemini 3.1 Flash TTS ਲਈ ਬੋਲੀ-ਸਿਰਜਣਾ ਪਾਠ; ਬਹੁ-ਵਕਤਾ ਲਾਈਨਾਂ speakers ਫ਼ੀਲਡ ਦੇ ਉਪਨਾਮਾਂ ਨਾਲ ਸ਼ੁਰੂ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਜਿਵੇਂ 'Alice: Hello!\nBob: Hi!'. ਉਚਾਰਣ ਨੂੰ [sigh], [laughing], [whispering], ਅਤੇ [short pause] ਵਰਗੇ ਅਭਿਵਿਅੰਜਕ ਆਡੀਓ ਟੈਗਾਂ ਜਾਂ ਲਹਿਜ਼ੇ, ਭਾਵਨਾ, ਗਤੀ ਅਤੇ ਸ਼ੈਲੀ ਲਈ ਇਨਲਾਈਨ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਹਦਾਇਤਾਂ ਰਾਹੀਂ ਬਾਰੀਕੀ ਨਾਲ ਨਿਯੰਤਰਿਤ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜਿਵੇਂ 'Say cheerfully: Have a wonderful day!'.
style_instructionsਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
≤ 4,000 ਅੱਖਰ
ਵਿਕਲਪਿਕ ਕੁਦਰਤੀ-ਭਾਸ਼ਾ ਹਦਾਇਤਾਂ, ਜੋ ਬੋਲੇ ਜਾਣ ਵਾਲੇ ਸਮੱਗਰੀ ਤੋਂ ਵੱਖ ਰੱਖੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਅਤੇ ਅਭਿਵਿਅੰਜਕਤਾ, ਲਹਿਜ਼ੇ, ਗਤੀ, ਸੁਰ ਅਤੇ ਭਾਵਨਾ ਨੂੰ ਆਕਾਰ ਦੇਣ ਲਈ ਪ੍ਰੌਂਪਟ ਤੋਂ ਪਹਿਲਾਂ ਸ਼ਾਮਲ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', ਅਤੇ 'Whisper mysteriously' ਸ਼ਾਮਲ ਹਨ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ਹੋਰLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 ਵੱਖਰੇ ਪ੍ਰੀਸੈਟਾਂ ਵਿੱਚੋਂ ਇੱਕ-ਵਕਤਾ ਆਵਾਜ਼ ਚੁਣੋ; speakers ਸੈੱਟ ਕਰਨ ਨਾਲ ਇਹ ਚੋਣ ਅਕਿਰਿਆਸ਼ੀਲ ਹੋ ਜਾਂਦੀ ਹੈ। ਪ੍ਰਸਿੱਧ ਮਹਿਲਾ ਵਿਕਲਪਾਂ ਵਿੱਚ Kore, ਮਜ਼ਬੂਤ ਅਤੇ ਦ੍ਰਿੜ੍ਹ ਅੰਦਾਜ਼ ਵਾਲੀ, Zephyr, ਚਮਕਦਾਰ ਅਤੇ ਸਪਸ਼ਟ ਅੰਦਾਜ਼ ਵਾਲੀ, ਅਤੇ Aoede, ਗਰਮਜੋਸ਼ੀ ਭਰੀ ਅਤੇ ਸੁਰਮਈ ਅੰਦਾਜ਼ ਵਾਲੀ ਸ਼ਾਮਲ ਹਨ; ਪ੍ਰਸਿੱਧ ਪੁਰਸ਼ ਵਿਕਲਪਾਂ ਵਿੱਚ Puck, ਉਤਸ਼ਾਹੀ ਅਤੇ ਜੀਵੰਤ, ਅਤੇ Charon, ਸ਼ਾਂਤ ਅਤੇ ਪੇਸ਼ੇਵਰ ਸ਼ਾਮਲ ਹਨ।
language_codeਵਿਕਲਪਿਕ
ਕਿਸਮenum
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 ਹੋਰRussian (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)
ਬਹੁ-ਭਾਸ਼ੀ ਸਿਰਜਣਾ ਲਈ ਭਾਸ਼ਾ ਓਵਰਰਾਈਡ: ਜਦੋਂ ਤੱਕ ਤੁਸੀਂ ਮਾਡਲ ਦੀ ਬੋਲੀ ਨੂੰ ਦਿਸ਼ਾ ਦੇਣ ਲਈ ਭਾਸ਼ਾ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰਦੇ, ਪਾਠ ਤੋਂ ਆਟੋਮੈਟਿਕ ਪਛਾਣ ਲਾਗੂ ਹੁੰਦੀ ਹੈ।
speakersਵਿਕਲਪਿਕ
ਕਿਸਮobject[]
ਆਵਾਜ਼ ਸੰਰਚਨਾ, ਜੋ ਕਈ ਵਕਤਾਵਾਂ ਨੂੰ ਪਾਠ ਦੇ ਵੱਖਰੇ ਹਿੱਸੇ ਪੜ੍ਹਨ ਯੋਗ ਬਣਾਉਂਦੀ ਹੈ। ਹਰ ਵਕਤਾ ਨੂੰ ਇੱਕ ਆਵਾਜ਼ ਅਤੇ ਸੰਬੰਧਿਤ ਪ੍ਰੌਂਪਟ ਪ੍ਰੀਫ਼ਿਕਸ ਨਾਲ ਮਿਲਦਾ speaker_id ਉਪਨਾਮ ਦਿਓ।
temperatureਵਿਕਲਪਿਕ
ਕਿਸਮnumber
ਡਿਫ਼ਾਲਟ1
0 – 2
ਬੋਲੀ ਦੀ ਬੇਤਰਤੀਬੀ ਸੈਟਿੰਗ, ਜਿਸਦਾ ਪ੍ਰਭਾਵ ਘੱਟ ਸੈਟਿੰਗਾਂ 'ਤੇ ਕੇਂਦ੍ਰਿਤ ਅਤੇ ਅਨੁਮਾਨਯੋਗ ਅੰਦਾਜ਼ ਤੋਂ ਲੈ ਕੇ ਵੱਧ ਸੈਟਿੰਗਾਂ 'ਤੇ ਰਚਨਾਤਮਕ ਅਤੇ ਵਿਭਿੰਨ ਅੰਦਾਜ਼ ਤੱਕ ਹੁੰਦਾ ਹੈ।
output_formatਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟmp3
wavmp3ogg_opus
ਆਉਟਪੁੱਟ ਆਡੀਓ ਦਾ ਫ਼ਾਰਮੈਟ: mp3 ਸੰਕੁਚਿਤ, ਛੋਟੀਆਂ ਫ਼ਾਈਲਾਂ ਦਿੰਦਾ ਹੈ ਅਤੇ ਸਿਫ਼ਾਰਸ਼ੀ ਹੈ; wav ਵਿੱਚ 24 kHz 'ਤੇ WAV ਕੰਟੇਨਰ ਵਿੱਚ 16-bit ਮੋਨੋ ਆਡੀਓ ਵਾਲਾ ਅਸੰਕੁਚਿਤ PCM ਹੁੰਦਾ ਹੈ; ogg_opus ਗੁਣਵੱਤਾ ਅਤੇ ਆਕਾਰ ਦਾ ਵਧੀਆ ਸੰਤੁਲਨ ਦੇਣ ਲਈ Ogg ਦੇ ਅੰਦਰ Opus ਵਰਤਦਾ ਹੈ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
audio
object {url, content_type, file_name, file_size}ਸਿਰਜਣਾ ਨਾਲ ਤਿਆਰ ਕੀਤੀ ਆਡੀਓ ਫ਼ਾਈਲ।

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/gemini-3.1-flash-tts.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt