Hoppa till innehåll

Gemini 3.1 Flash Tts

Integrera

Modell-id 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"

Den här begäran: 0,003 $ 3 API-krediter Kör den på den här sidan

Hämta API-nyckel
Google Text till tal LäppsynkningSnabb #lipsync#avatar

Gemini 3.1 Flash text-till-tal med inline-styrning av stil, 30 röster och upp till 10 talare

Google · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt 50 / 50000

Talsyntestext för Gemini 3.1 Flash TTS; rader med flera talare måste börja med alias från speakers-fältet, som i 'Alice: Hello!\nBob: Hi!'. Leveransen kan styras detaljerat med uttrycksfulla ljudtaggar som [sigh], [laughing], [whispering] och [short pause], eller med infogade instruktioner på naturligt språk för accent, känsla, tempo och stil, som 'Say cheerfully: Have a wonderful day!'.

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

Valfria instruktioner på naturligt språk som hålls separerade från det talade innehållet och infogas före prompten för att forma uttrycksfullhet, accent, tempo, ton och känsla. Exempel är 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' och 'Whisper mysteriously'.

output_format standard mp3

Format för utdata-ljudet: mp3 ger komprimerade, kompakta filer och rekommenderas; wav innehåller okomprimerad PCM i en WAV-behållare vid 24 kHz med 16-bitars monoljud; ogg_opus använder Opus i Ogg för en bra balans mellan kvalitet och storlek.

standard Kore

Val av röst för en enda talare bland 30 olika förinställningar; om speakers anges blir detta val inaktivt. Populära kvinnliga alternativ är Kore, med ett kraftfullt och bestämt framförande, Zephyr, med ett ljust och tydligt framförande, och Aoede, med ett varmt och melodiskt framförande; populära manliga alternativ är Puck, pigg och livlig, och Charon, lugn och professionell.

Åsidosättning av språk för flerspråkig syntes: automatisk identifiering från texten används om du inte anger ett språk för att styra modellens tal.

standard 1

Inställning för talets slumpmässighet, från fokuserat och förutsägbart framförande vid lägre värden till kreativt och varierat framförande vid högre värden.

Röstkonfiguration som gör att flera talare kan läsa separata delar av texten. Tilldela varje talare en röst samt ett speaker_id-alias som matchar motsvarande promptprefix.

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

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Gemini 3.1 Flash Tts

Omvandlar en `prompt` på upp till 50000 tecken till tal. Framförandet kan styras inline eller via `style_instructions`. Välj en av 30 röster, ange en `language_code` eller använd `speakers` (2 till 10) för ljud med flera talare. Utdata är mp3, wav eller ogg_opus, med `temperature` från 0 till 2.

Parametrar

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
≤ 50 000 tecken
Talsyntestext för Gemini 3.1 Flash TTS; rader med flera talare måste börja med alias från speakers-fältet, som i 'Alice: Hello!\nBob: Hi!'. Leveransen kan styras detaljerat med uttrycksfulla ljudtaggar som [sigh], [laughing], [whispering] och [short pause], eller med infogade instruktioner på naturligt språk för accent, känsla, tempo och stil, som 'Say cheerfully: Have a wonderful day!'.
style_instructionsvalfritt
Typstring | null
≤ 4 000 tecken
Valfria instruktioner på naturligt språk som hålls separerade från det talade innehållet och infogas före prompten för att forma uttrycksfullhet, accent, tempo, ton och känsla. Exempel är 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' och 'Whisper mysteriously'.
voicevalfritt
Typenum
StandardKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 tillLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Val av röst för en enda talare bland 30 olika förinställningar; om speakers anges blir detta val inaktivt. Populära kvinnliga alternativ är Kore, med ett kraftfullt och bestämt framförande, Zephyr, med ett ljust och tydligt framförande, och Aoede, med ett varmt och melodiskt framförande; populära manliga alternativ är Puck, pigg och livlig, och Charon, lugn och professionell.
language_codevalfritt
Typenum
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 tillRussian (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)
Åsidosättning av språk för flerspråkig syntes: automatisk identifiering från texten används om du inte anger ett språk för att styra modellens tal.
speakersvalfritt
Typobject[]
Röstkonfiguration som gör att flera talare kan läsa separata delar av texten. Tilldela varje talare en röst samt ett speaker_id-alias som matchar motsvarande promptprefix.
temperaturevalfritt
Typnumber
Standard1
0 – 2
Inställning för talets slumpmässighet, från fokuserat och förutsägbart framförande vid lägre värden till kreativt och varierat framförande vid högre värden.
output_formatvalfritt
Typenum
Standardmp3
wavmp3ogg_opus
Format för utdata-ljudet: mp3 ger komprimerade, kompakta filer och rekommenderas; wav innehåller okomprimerad PCM i en WAV-behållare vid 24 kHz med 16-bitars monoljud; ogg_opus använder Opus i Ogg för en bra balans mellan kvalitet och storlek.
obligatoriskt

Resultat

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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size}Ljudfil som skapats genom generering.

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/gemini-3.1-flash-tts.md. Alla modeller och guider: https://doitong.com/developers/llms.txt