Ir para o conteúdo

Gemini TTS

Integrar

ID do modelo 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"

Esta solicitação: ≈$ 0,03 30 créditos de API Executar nesta página

Obter chave de API
Google Texto para fala #text-to-speech#audio#gemini

Texto para fala com 30 vozes, diálogo com vários falantes, instruções de estilo e escolha entre modelo Flash ou Pro

Google · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório 50 / 50000

Texto de fala para Gemini TTS, aceitando instruções incorporadas em linguagem natural para estilo, ritmo, sotaque e emoção, como 'Say cheerfully: Have a wonderful day!'. Marcadores em linha, incluindo [slowly], [whispering], [excited] e [extremely fast], também controlam o ritmo e o estilo. Vários locutores exigem linhas que comecem com aliases do campo speakers, por exemplo 'Alice: Hello!\nBob: Hi!'.

Avançado style_instructions · output_format · voice · model · language_code · temperature · speakers
0 / 4000

Instruções opcionais em linguagem natural mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.

output_format padrão mp3

Formato do áudio de saída: mp3 fornece arquivos compactados e compactos e é recomendado; wav contém PCM não compactado em um contêiner WAV a 24 kHz com áudio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.

padrão Kore

Seleção de voz para um único locutor entre 30 predefinições distintas; definir speakers torna essa seleção inativa. Opções femininas populares incluem Kore, com entrega firme e forte, Zephyr, com entrega clara e brilhante, e Aoede, com entrega calorosa e melódica; opções masculinas populares incluem Puck, animado e vibrante, e Charon, calmo e profissional.

padrão gemini-2.5-flash-tts

Seleção do modelo Gemini TTS. Para obter a mais alta qualidade em fluxos estruturados, como audiolivros, podcasts ou suporte ao cliente, use gemini-2.5-pro-tts.

Idioma da fala para síntese multilíngue: omita-o para permitir que o modelo deduza o idioma do seu texto ou forneça-o para orientar a saída falada. A cobertura inclui mais de 60 idiomas em Preview e 24 em GA.

padrão 1

Configuração de aleatoriedade da fala, variando, em efeito, de uma entrega focada e previsível em configurações baixas a uma entrega criativa e variada em configurações altas.

Configuração de locutores compatível com gemini-2.5-pro-tts e gemini-2.5-flash-tts, mas não com gemini-2.5-flash-lite-preview-tts. Fornecê-la permite que vozes diferentes leiam partes diferentes do texto; para cada locutor, forneça uma voz e um alias speaker_id correspondente aos prefixos do prompt desse locutor.

POST /run/gemini-tts?wait=20 cotação → $ 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"

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Gemini TTS

Converte até 50,000 caracteres de texto em fala. Selecione uma `voice` e o `model` gemini-2.5-flash-tts ou gemini-2.5-pro-tts. `style_instructions` (até 4000 caracteres) orienta a entrega, e `speakers` aceita de 2 a 10 entradas para roteiros com várias vozes. `language_code`, `temperature` de 0 a 2 e saída wav, mp3 ou ogg_opus são opcionais.

Parâmetros

NomeTipo PadrãoPermitido Descrição
promptobrigatório
Tipostring
≤ 50.000 caracteres
Texto de fala para Gemini TTS, aceitando instruções incorporadas em linguagem natural para estilo, ritmo, sotaque e emoção, como 'Say cheerfully: Have a wonderful day!'. Marcadores em linha, incluindo [slowly], [whispering], [excited] e [extremely fast], também controlam o ritmo e o estilo. Vários locutores exigem linhas que comecem com aliases do campo speakers, por exemplo 'Alice: Hello!\nBob: Hi!'.
style_instructionsopcional
Tipostring | null
≤ 4.000 caracteres
Instruções opcionais em linguagem natural mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.
voiceopcional
Tipoenum
PadrãoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 a maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Seleção de voz para um único locutor entre 30 predefinições distintas; definir speakers torna essa seleção inativa. Opções femininas populares incluem Kore, com entrega firme e forte, Zephyr, com entrega clara e brilhante, e Aoede, com entrega calorosa e melódica; opções masculinas populares incluem Puck, animado e vibrante, e Charon, calmo e profissional.
modelopcional
Tipoenum
Padrãogemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Seleção do modelo Gemini TTS. Para obter a mais alta qualidade em fluxos estruturados, como audiolivros, podcasts ou suporte ao cliente, use gemini-2.5-pro-tts.
language_codeopcional
Tipoenum
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 a maisRussian (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)
Idioma da fala para síntese multilíngue: omita-o para permitir que o modelo deduza o idioma do seu texto ou forneça-o para orientar a saída falada. A cobertura inclui mais de 60 idiomas em Preview e 24 em GA.
speakersopcional
Tipoobject[]
≤ 10 itens≥ 2 itens
Configuração de locutores compatível com gemini-2.5-pro-tts e gemini-2.5-flash-tts, mas não com gemini-2.5-flash-lite-preview-tts. Fornecê-la permite que vozes diferentes leiam partes diferentes do texto; para cada locutor, forneça uma voz e um alias speaker_id correspondente aos prefixos do prompt desse locutor.
speakers[].voiceobrigatório
Tipoenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 a maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voz predefinida atribuída a este locutor.
speakers[].speaker_idobrigatório
Tipostring
Alias do locutor contendo somente caracteres alfanuméricos e nenhum espaço em branco. Identifique o locutor prefixando o texto do prompt com esse alias, como em 'Alice: Hello! Bob: Hi there!'.
temperatureopcional
Tiponumber
Padrão1
0 – 2
Configuração de aleatoriedade da fala, variando, em efeito, de uma entrega focada e previsível em configurações baixas a uma entrega criativa e variada em configurações altas.
output_formatopcional
Tipoenum
Padrãomp3
wavmp3ogg_opus
Formato do áudio de saída: mp3 fornece arquivos compactados e compactos e é recomendado; wav contém PCM não compactado em um contêiner WAV a 24 kHz com áudio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.
obrigatório

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Arquivo de áudio produzido pela geração.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/gemini-tts.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt