Перейти к содержимому

Gemini 3.1 Flash Tts

Интеграция

ID модели 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"

Этот запрос: 0,003 $ 3 API-кредита · ≈ 0,31 ₽ Запустить на этой странице

Получить API-ключ
Google Текст в речь Синхронизация губБыстро #lipsync#avatar

Gemini 3.1 Flash для преобразования текста в речь со встроенным управлением стилем, 30 голосами и поддержкой до 10 дикторов

Google · Аудио

Здесь появится ваш первый результат

Составьте запрос ниже и выполните его с помощью API-ключа. Результаты копируются в наше хранилище и хранятся навсегда или 7 дней бесплатно.

Сформировать запрос

Элементы управления сгенерированы из схемы модели. Код и цена обновляются при изменении параметров.

•обязательно 50 / 50000

Текст для синтеза речи Gemini 3.1 Flash TTS; строки с несколькими дикторами должны начинаться с псевдонимов из поля speakers, например 'Alice: Hello!\nBob: Hi!'. Подачу можно детально управлять выразительными аудиотегами, такими как [sigh], [laughing], [whispering] и [short pause], или встроенными указаниями на естественном языке для акцента, эмоций, темпа и стиля, например 'Say cheerfully: Have a wonderful day!'.

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

Необязательные указания на естественном языке, отделённые от произносимого текста и вставленные перед промптом для настройки выразительности, акцента, темпа, тона и эмоций. Примеры: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' и 'Whisper mysteriously'.

output_format по умолчанию mp3

Формат выходного аудио: mp3 создаёт сжатые компактные файлы и рекомендуется; wav содержит несжатое аудио PCM в контейнере WAV с частотой 24 kHz и 16-битным моно-аудио; ogg_opus использует Opus внутри Ogg, обеспечивая хороший баланс качества и размера.

по умолчанию Kore

Выбор голоса одного диктора из 30 отдельных предустановок; задание speakers отключает этот выбор. Популярные женские варианты: Kore — сильная и твёрдая подача, Zephyr — яркая и чёткая, Aoede — тёплая и мелодичная; популярные мужские варианты: Puck — энергичный и живой, Charon — спокойный и профессиональный.

Переопределение языка мультиязычного синтеза: если язык не указан, он автоматически определяется по тексту; указанный язык направляет речь модели.

по умолчанию 1

Настройка случайности речи: при низких значениях подача сосредоточенная и предсказуемая, при высоких — креативная и разнообразная.

Конфигурация голоса, позволяющая нескольким дикторам читать отдельные части текста. Назначьте каждому диктору голос и псевдоним speaker_id, соответствующий префиксам промпта.

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

Запустить этот запрос

Ваш ключ хранится в этом браузере: он отправляется только в Doitong API и сохраняется в localStorage только при включении параметра «Запомнить». Получить API-ключ

О Gemini 3.1 Flash Tts

Преобразует `prompt` длиной до 50000 символов в речь. Подачей можно управлять встроенными указаниями или через `style_instructions`. Выберите один из 30 голосов, задайте `language_code` или используйте `speakers` (от 2 до 10) для аудио с несколькими дикторами. Результат выдаётся в mp3, wav или ogg_opus; `temperature` принимает значения от 0 до 2.

Параметры

ИмяТип По умолчаниюДопустимые значения Описание
promptобязательно
Типstring
≤ 50 000 символов
Текст для синтеза речи Gemini 3.1 Flash TTS; строки с несколькими дикторами должны начинаться с псевдонимов из поля speakers, например 'Alice: Hello!\nBob: Hi!'. Подачу можно детально управлять выразительными аудиотегами, такими как [sigh], [laughing], [whispering] и [short pause], или встроенными указаниями на естественном языке для акцента, эмоций, темпа и стиля, например 'Say cheerfully: Have a wonderful day!'.
style_instructionsнеобязательно
Типstring | null
≤ 4 000 символов
Необязательные указания на естественном языке, отделённые от произносимого текста и вставленные перед промптом для настройки выразительности, акцента, темпа, тона и эмоций. Примеры: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' и 'Whisper mysteriously'.
voiceнеобязательно
Типenum
По умолчаниюKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
ещё 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Выбор голоса одного диктора из 30 отдельных предустановок; задание speakers отключает этот выбор. Популярные женские варианты: Kore — сильная и твёрдая подача, Zephyr — яркая и чёткая, Aoede — тёплая и мелодичная; популярные мужские варианты: Puck — энергичный и живой, Charon — спокойный и профессиональный.
language_codeнеобязательно
Типenum
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)
ещё 71Russian (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)
Переопределение языка мультиязычного синтеза: если язык не указан, он автоматически определяется по тексту; указанный язык направляет речь модели.
speakersнеобязательно
Типobject[]
Конфигурация голоса, позволяющая нескольким дикторам читать отдельные части текста. Назначьте каждому диктору голос и псевдоним speaker_id, соответствующий префиксам промпта.
temperatureнеобязательно
Типnumber
По умолчанию1
0 – 2
Настройка случайности речи: при низких значениях подача сосредоточенная и предсказуемая, при высоких — креативная и разнообразная.
output_formatнеобязательно
Типenum
По умолчаниюmp3
wavmp3ogg_opus
Формат выходного аудио: mp3 создаёт сжатые компактные файлы и рекомендуется; wav содержит несжатое аудио PCM в контейнере WAV с частотой 24 kHz и 16-битным моно-аудио; ogg_opus использует Opus внутри Ogg, обеспечивая хороший баланс качества и размера.
обязательно

Результат

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"
  }
}
Ваши файлы — ваш выборКаждый URL из outputs[].url — это копия в нашем хранилище: она хранится навсегда (оплата за ГБ в месяц) или 7 дней бесплатно — в зависимости от настройки вашего аккаунта или параметра ?storage=.
Одинаковая структура у каждой моделиtype, url, content_type, width, height и duration — одинаково для изображений, видео и аудио. output — собственный объект результата модели.
Поля результата
audio
object {url, content_type, file_name, file_size}Аудиофайл, созданный в результате генерации.

Для AI-агентов: эта страница в формате Markdown доступна по адресу https://doitong.com/ru/developers/models/gemini-3.1-flash-tts.md. Все модели и руководства: https://doitong.com/developers/llms.txt