Hoppa till innehåll

Gemini TTS

Integrera

Modell-id 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"

Den här begäran: ≈0,03 $ 30 API-krediter Kör den på den här sidan

Hämta API-nyckel
Google Text till tal #text-to-speech#audio#gemini

Text-till-tal med 30 röster, dialog med flera talare, stilinstruktioner och val mellan Flash- eller Pro-modell

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

Taltext för Gemini TTS, med inbäddade instruktioner på naturligt språk för stil, tempo, accent och känsla, som 'Say cheerfully: Have a wonderful day!'. Infogade markörer som [slowly], [whispering], [excited] och [extremely fast] styr också tempo och stil. Flera talare kräver rader som börjar med alias från speakers-fältet, till exempel 'Alice: Hello!\nBob: Hi!'.

Avancerat style_instructions · output_format · voice · model · 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.

standard gemini-2.5-flash-tts

Val av Gemini TTS-modell. För högsta kvalitet i strukturerade arbetsflöden som ljudböcker, poddar eller kundsupport, använd gemini-2.5-pro-tts.

Talspråk för flerspråkig syntes: utelämna det för att låta modellen härleda språket från texten, eller ange det för att styra den talade utdatan. Stöd omfattar 60+ språk i Preview och 24 i GA.

standard 1

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

Talarkonfiguration som stöds av gemini-2.5-pro-tts och gemini-2.5-flash-tts, men inte av gemini-2.5-flash-lite-preview-tts. Om den anges kan olika röster läsa olika delar av texten; ange för varje talare en röst samt ett speaker_id-alias som motsvarar talarens promptprefix.

POST /run/gemini-tts?wait=20 pris → 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"

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 TTS

Konverterar upp till 50 000 tecken text till tal. Välj en `voice` och modellen `model` gemini-2.5-flash-tts eller gemini-2.5-pro-tts. `style_instructions` (upp till 4000 tecken) styr framförandet, och `speakers` tar 2 till 10 poster för manus med flera röster. Valfria `language_code`, `temperature` 0 till 2 samt wav-, mp3- eller ogg_opus-utdata.

Parametrar

NamnTyp StandardTillåtna Beskrivning
promptobligatoriskt
Typstring
≤ 50 000 tecken
Taltext för Gemini TTS, med inbäddade instruktioner på naturligt språk för stil, tempo, accent och känsla, som 'Say cheerfully: Have a wonderful day!'. Infogade markörer som [slowly], [whispering], [excited] och [extremely fast] styr också tempo och stil. Flera talare kräver rader som börjar med alias från speakers-fältet, till exempel 'Alice: Hello!\nBob: Hi!'.
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.
modelvalfritt
Typenum
Standardgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Val av Gemini TTS-modell. För högsta kvalitet i strukturerade arbetsflöden som ljudböcker, poddar eller kundsupport, använd gemini-2.5-pro-tts.
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)
Talspråk för flerspråkig syntes: utelämna det för att låta modellen härleda språket från texten, eller ange det för att styra den talade utdatan. Stöd omfattar 60+ språk i Preview och 24 i GA.
speakersvalfritt
Typobject[]
≤ 10 objekt≥ 2 objekt
Talarkonfiguration som stöds av gemini-2.5-pro-tts och gemini-2.5-flash-tts, men inte av gemini-2.5-flash-lite-preview-tts. Om den anges kan olika röster läsa olika delar av texten; ange för varje talare en röst samt ett speaker_id-alias som motsvarar talarens promptprefix.
speakers[].voiceobligatoriskt
Typenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 tillLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Förinställd röst som tilldelats denna talare.
speakers[].speaker_idobligatoriskt
Typstring
Talarealias med endast alfanumeriska tecken och utan blanksteg. Identifiera talaren genom att prefixa prompttexten med aliaset, som i 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Alla modeller och guider: https://doitong.com/developers/llms.txt