ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Gemini 3.8 Flash TTS

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id google/gemini-3.8-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/google/gemini-3.8-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: ≈$0.045 45 API ਕ੍ਰੈਡਿਟ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Google ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ ਤੇਜ਼ #text-to-speech#audio#dialogue#voiceover

ਵਰਣਨ ਜਾਂ ਦੋ-ਵਕਤਾ ਸੰਵਾਦ ਲਈ ਮਿਆਰੀ Gemini 3.8 Flash ਟੈਕਸਟ-ਤੋਂ-ਸਪੀਚ, 30 ਆਵਾਜ਼ਾਂ ਨਾਲ

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।

ਇੱਕੋ ਬੁਲਾਰੇ ਲਈ ਹੂਬਹੂ ਬੋਲਿਆ ਜਾਣ ਵਾਲਾ ਟੈਕਸਟ; ਸੰਵਾਦ ਲਈ speakers ਅਤੇ turns ਵਰਤੋ ਅਤੇ ਪ੍ਰੌਂਪਟ ਨੂੰ ਛੱਡ ਦਿਓ। ਬੋਲਣ ਦੇ ਢੰਗ ਬਾਰੇ ਹਦਾਇਤਾਂ ਲਈ style_instructions ਵਰਤੋ ਅਤੇ ਹੱਸਣ ਜਾਂ ਹਉਕਾ ਭਰਨ ਵਰਗੀਆਂ ਆਵਾਜ਼ਾਂ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਹੀ <laugh> ਜਾਂ <sigh> ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਪ੍ਰਦਾਤਾ ਪੂਰੇ ਇਨਪੁੱਟ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ 8,192 ਟੋਕਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਉੱਨਤ style_instructions · voice · enable_safety_checker · speakers · turns

ਹਰ ਵਾਰੀ ਲਈ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਬੋਲਣ ਸੰਬੰਧੀ ਹਦਾਇਤਾਂ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਓਵਰਰਾਈਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਇਹ ਹਦਾਇਤਾਂ ਬੋਲੇ ਗਏ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹਨ।

ਡਿਫ਼ਾਲਟ Kore

ਇੱਕ ਵਕਤਾ ਨਾਲ ਬੋਲੀ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਪ੍ਰੀਸੈਟ ਆਵਾਜ਼।

ਸੰਵਾਦ ਵਕਤਾ ਸੰਰਚਨਾ, ਜਿਸ ਵਿੱਚ ਬਿਲਕੁਲ ਦੋ ਵੱਖਰੇ ਉਪਨਾਮ ਹਨ ਅਤੇ ਹਰ ਇੱਕ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਬਣੀ ਆਵਾਜ਼ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ।

ਸੰਵਾਦ ਵਾਰੀਆਂ ਦਾ ਕ੍ਰਮ, ਜਿਸ ਵਿੱਚ ਹਰ ਵਾਰੀ ਲਈ ਸੰਰਚਿਤ ਵਕਤਾ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਹੈ।

POST /run/google/gemini-3.8-flash-tts?wait=20 ਕੋਟ → $0.045
# 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/google/gemini-3.8-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 3.8 Flash TTS ਬਾਰੇ

`prompt` ਤੋਂ 30 ਪਹਿਲਾਂ ਤੋਂ ਬਣੀਆਂ ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਜਾਂ ਸੰਵਾਦ ਲਈ ਦੋ `speakers` ਅਤੇ `turns` ਦੀ ਸੂਚੀ ਤੋਂ WAV ਆਡੀਓ ਬਣਾਉਂਦਾ ਹੈ। `style_instructions` ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਤੋਂ ਵੱਖਰੇ ਢੰਗ ਨਾਲ ਪੇਸ਼ਕਾਰੀ ਸੈੱਟ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਸਾਰੇ ਟਰਨਾਂ 'ਤੇ ਲਾਗੂ ਹੋ ਸਕਦੀਆਂ ਹਨ। <laugh> ਅਤੇ <sigh> ਵਰਗੀਆਂ ਇਨਲਾਈਨ ਵੋਕਲ ਘਟਨਾਵਾਂ ਦੀ ਆਗਿਆ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਇੱਕੋ ਬੁਲਾਰੇ ਲਈ ਹੂਬਹੂ ਬੋਲਿਆ ਜਾਣ ਵਾਲਾ ਟੈਕਸਟ; ਸੰਵਾਦ ਲਈ speakers ਅਤੇ turns ਵਰਤੋ ਅਤੇ ਪ੍ਰੌਂਪਟ ਨੂੰ ਛੱਡ ਦਿਓ। ਬੋਲਣ ਦੇ ਢੰਗ ਬਾਰੇ ਹਦਾਇਤਾਂ ਲਈ style_instructions ਵਰਤੋ ਅਤੇ ਹੱਸਣ ਜਾਂ ਹਉਕਾ ਭਰਨ ਵਰਗੀਆਂ ਆਵਾਜ਼ਾਂ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਹੀ <laugh> ਜਾਂ <sigh> ਨਾਲ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। ਪ੍ਰਦਾਤਾ ਪੂਰੇ ਇਨਪੁੱਟ ਵਿੱਚ ਵੱਧ ਤੋਂ ਵੱਧ 8,192 ਟੋਕਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।
style_instructionsਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਹਰ ਵਾਰੀ ਲਈ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਬੋਲਣ ਸੰਬੰਧੀ ਹਦਾਇਤਾਂ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਓਵਰਰਾਈਡ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਇਹ ਹਦਾਇਤਾਂ ਬੋਲੇ ਗਏ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ ਦਾ ਹਿੱਸਾ ਨਹੀਂ ਹਨ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ਹੋਰLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
ਇੱਕ ਵਕਤਾ ਨਾਲ ਬੋਲੀ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਪ੍ਰੀਸੈਟ ਆਵਾਜ਼।
speakersਵਿਕਲਪਿਕ
ਕਿਸਮobject[]
≤ 2 ਆਈਟਮਾਂ≥ 2 ਆਈਟਮਾਂ
ਸੰਵਾਦ ਵਕਤਾ ਸੰਰਚਨਾ, ਜਿਸ ਵਿੱਚ ਬਿਲਕੁਲ ਦੋ ਵੱਖਰੇ ਉਪਨਾਮ ਹਨ ਅਤੇ ਹਰ ਇੱਕ ਨੂੰ ਪਹਿਲਾਂ ਤੋਂ ਬਣੀ ਆਵਾਜ਼ ਨਾਲ ਜੋੜਿਆ ਗਿਆ ਹੈ।
speakers[].speaker_idਲੋੜੀਂਦਾ
ਕਿਸਮstring
≥ 1 characters
ਹਰ ਵਾਰੀ ਵਿੱਚ ਵਕਤਾ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਉਪਨਾਮ।
speakers[].voiceਲੋੜੀਂਦਾ
ਕਿਸਮenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 ਹੋਰLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
ਇਸ ਵਕਤਾ ਨੂੰ ਦਿੱਤੀ ਪ੍ਰੀਸੈਟ ਆਵਾਜ਼।
turnsਵਿਕਲਪਿਕ
ਕਿਸਮobject[]
ਸੰਵਾਦ ਵਾਰੀਆਂ ਦਾ ਕ੍ਰਮ, ਜਿਸ ਵਿੱਚ ਹਰ ਵਾਰੀ ਲਈ ਸੰਰਚਿਤ ਵਕਤਾ ਦੀ ਪਛਾਣ ਕੀਤੀ ਗਈ ਹੈ।
turns[].speaker_idਲੋੜੀਂਦਾ
ਕਿਸਮstring
≥ 1 characters
ਸੰਰਚਨਾ ਵਿੱਚੋਂ ਕਿਸੇ ਵਕਤਾ ਦੀ ਪਛਾਣ ਕਰਨ ਵਾਲਾ ਉਪਨਾਮ।
turns[].textਲੋੜੀਂਦਾ
ਕਿਸਮstring
≥ 1 characters
ਇਸ ਵਾਰੀ ਦੌਰਾਨ ਬੋਲਿਆ ਜਾਣ ਵਾਲਾ ਸਹੀ ਟ੍ਰਾਂਸਕ੍ਰਿਪਟ।
turns[].style_instructionsਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਇਸ ਵਾਰੀ ਲਈ ਬੋਲਣ ਦੇ ਅੰਦਾਜ਼ ਦਾ ਵਿਕਲਪਿਕ ਰੂਪ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "google/gemini-3.8-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": 45,
    "usd": "0.045",
    "charged": 45,
    "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}WAV ਫ਼ਾਰਮੈਟ ਵਿੱਚ ਆਡੀਓ ਆਉਟਪੁੱਟ।

ਹੋਰ ਮਾਡਲ: ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/google/gemini-3.8-flash-tts.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt