Avançar para o conteúdo

Gemini 3.1 Flash Tts

Integrar

ID do modelo 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"

Este pedido: 0,003 $ 3 créditos da API Executar nesta página

Obter chave de API
Google Texto para voz LipsyncRápido #avatar

Text-to-speech Gemini 3.1 Flash com controlo de estilo inline, 30 vozes e até 10 oradores

Google · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 50 / 50000

Texto de síntese de voz para o Gemini 3.1 Flash TTS; as linhas com vários oradores têm de começar por aliases do campo speakers, como em 'Alice: Hello!\nBob: Hi!'. A entrega pode ser controlada detalhadamente com tags de áudio expressivas como [sigh], [laughing], [whispering] e [short pause], ou com instruções em linguagem natural inline para sotaque, emoção, ritmo e estilo, como 'Say cheerfully: Have a wonderful day!'.

Avançado style_instructions · output_format · voice · 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. Os 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 predefinição mp3

Formato do áudio de saída: mp3 fornece ficheiros comprimidos e compactos e é recomendado; wav contém PCM não comprimido num contentor WAV a 24 kHz com áudio mono de 16 bits; ogg_opus utiliza Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.

predefinição Kore

Seleção de voz de um único orador entre 30 predefinições distintas; definir speakers torna esta seleção inativa. As opções femininas populares são Kore, com uma entrega forte e firme, Zephyr, com uma entrega clara e luminosa, e Aoede, com uma entrega calorosa e melódica; as opções masculinas populares são Puck, enérgica e animada, e Charon, calma e profissional.

Substituição do idioma de síntese multilingue: aplica-se a deteção automática a partir do texto, salvo se especificar um idioma para orientar a fala do modelo.

predefinição 1

Definição de aleatoriedade da fala, cujo efeito varia entre uma entrega focada e previsível em valores baixos e uma entrega criativa e variada em valores altos.

Configuração de voz que permite a vários oradores lerem partes distintas do texto. Atribua a cada orador uma voz e um alias speaker_id correspondente aos prefixos do prompt.

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

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Gemini 3.1 Flash Tts

Converte um `prompt` com até 50000 caracteres em fala. A forma de locução pode ser orientada inline ou através de `style_instructions`. Escolha uma de 30 vozes, defina um `language_code` ou utilize `speakers` (2 a 10) para áudio com vários oradores. A saída é mp3, wav ou ogg_opus, com `temperature` entre 0 e 2.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
≤ 50 000 caracteres
Texto de síntese de voz para o Gemini 3.1 Flash TTS; as linhas com vários oradores têm de começar por aliases do campo speakers, como em 'Alice: Hello!\nBob: Hi!'. A entrega pode ser controlada detalhadamente com tags de áudio expressivas como [sigh], [laughing], [whispering] e [short pause], ou com instruções em linguagem natural inline para sotaque, emoção, ritmo e estilo, como 'Say cheerfully: Have a wonderful day!'.
style_instructionsopcional
Tipostring | null
≤ 4000 caracteres
Instruções opcionais em linguagem natural, mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Os 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
PredefiniçãoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Seleção de voz de um único orador entre 30 predefinições distintas; definir speakers torna esta seleção inativa. As opções femininas populares são Kore, com uma entrega forte e firme, Zephyr, com uma entrega clara e luminosa, e Aoede, com uma entrega calorosa e melódica; as opções masculinas populares são Puck, enérgica e animada, e Charon, calma e profissional.
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 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)
Substituição do idioma de síntese multilingue: aplica-se a deteção automática a partir do texto, salvo se especificar um idioma para orientar a fala do modelo.
speakersopcional
Tipoobject[]
Configuração de voz que permite a vários oradores lerem partes distintas do texto. Atribua a cada orador uma voz e um alias speaker_id correspondente aos prefixos do prompt.
temperatureopcional
Tiponumber
Predefinição1
0 – 2
Definição de aleatoriedade da fala, cujo efeito varia entre uma entrega focada e previsível em valores baixos e uma entrega criativa e variada em valores altos.
output_formatopcional
Tipoenum
Predefiniçãomp3
wavmp3ogg_opus
Formato do áudio de saída: mp3 fornece ficheiros comprimidos e compactos e é recomendado; wav contém PCM não comprimido num contentor WAV a 24 kHz com áudio mono de 16 bits; ogg_opus utiliza Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.
obrigatório

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Ficheiro de áudio produzido pela geração.

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/gemini-3.1-flash-tts.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt