Перейти к содержимому

Gemini TTS

Интеграция

ID модели 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"

Этот запрос: ≈0,03 $ 30 API-кредитов · ≈ 3,16 ₽ Запустить на этой странице

Получить API-ключ
Google Текст в речь #text-to-speech#audio#gemini

Преобразование текста в речь с 30 голосами, диалогами нескольких дикторов, указаниями стиля и выбором модели Flash или Pro

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 речи для Gemini TTS со встроенными указаниями на естественном языке для стиля, темпа, акцента и эмоций, например 'Say cheerfully: Have a wonderful day!'. Встроенные маркеры, включая [slowly], [whispering], [excited] и [extremely fast], также управляют темпом и стилем. Для нескольких дикторов требуются строки, начинающиеся с псевдонимов из поля speakers, например 'Alice: Hello!\nBob: Hi!'.

Расширенные style_instructions · output_format · voice · model · 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.

по умолчанию gemini-2.5-flash-tts

Выбор модели Gemini TTS. Для максимального качества в структурированных сценариях, таких как аудиокниги, подкасты или поддержка клиентов, используйте gemini-2.5-pro-tts.

Язык речи для мультиязычного синтеза: не указывайте его, чтобы модель определила язык по тексту, или задайте его для управления выходной речью. Поддерживается более 60 языков в Preview и 24 в GA.

по умолчанию 1

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

Конфигурация дикторов, поддерживаемая gemini-2.5-pro-tts и gemini-2.5-flash-tts, но не gemini-2.5-flash-lite-preview-tts. Её задание позволяет разным голосам читать отдельные части текста; для каждого диктора укажите голос и псевдоним speaker_id, соответствующий префиксам его промпта.

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

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 TTS

Преобразует до 50 000 символов текста в речь. Выберите `voice` и модель `model` gemini-2.5-flash-tts или gemini-2.5-pro-tts. `style_instructions` (до 4000 символов) управляет подачей, а `speakers` принимает от 2 до 10 элементов для сценариев с несколькими голосами. Необязательные `language_code`, `temperature` от 0 до 2 и вывод wav, mp3 или ogg_opus.

Параметры

ИмяТип По умолчаниюДопустимые значения Описание
promptобязательно
Типstring
≤ 50 000 символов
Текст речи для Gemini TTS со встроенными указаниями на естественном языке для стиля, темпа, акцента и эмоций, например 'Say cheerfully: Have a wonderful day!'. Встроенные маркеры, включая [slowly], [whispering], [excited] и [extremely fast], также управляют темпом и стилем. Для нескольких дикторов требуются строки, начинающиеся с псевдонимов из поля speakers, например 'Alice: Hello!\nBob: Hi!'.
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.
modelнеобязательно
Типenum
По умолчаниюgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Выбор модели Gemini TTS. Для максимального качества в структурированных сценариях, таких как аудиокниги, подкасты или поддержка клиентов, используйте gemini-2.5-pro-tts.
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)
Язык речи для мультиязычного синтеза: не указывайте его, чтобы модель определила язык по тексту, или задайте его для управления выходной речью. Поддерживается более 60 языков в Preview и 24 в GA.
speakersнеобязательно
Типobject[]
≤ 10 элементов≥ 2 элемента
Конфигурация дикторов, поддерживаемая gemini-2.5-pro-tts и gemini-2.5-flash-tts, но не gemini-2.5-flash-lite-preview-tts. Её задание позволяет разным голосам читать отдельные части текста; для каждого диктора укажите голос и псевдоним speaker_id, соответствующий префиксам его промпта.
speakers[].voiceобязательно
Типenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
ещё 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Предустановленный голос, назначенный этому диктору.
speakers[].speaker_idобязательно
Типstring
Псевдоним диктора, содержащий только буквенно-цифровые символы и не содержащий пробелов. Обозначьте диктора, добавив этот псевдоним перед текстом промпта, например 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Все модели и руководства: https://doitong.com/developers/llms.txt