உள்ளடக்கத்திற்குச் செல்க

Gemini 3.1 Flash Tts

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: $0.003 3 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Google உரையிலிருந்து பேச்சிற்கு உதட்டு ஒத்திசைவுவேகமானது #lipsync#avatar

உள்ளமை பாணிக் கட்டுப்பாடு, 30 குரல்கள் மற்றும் அதிகபட்சம் 10 பேச்சாளர்களுடன் கூடிய Gemini 3.1 Flash text-to-speech

Google · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை 50 / 50000

Gemini 3.1 Flash TTS-க்கான பேச்சுத் தொகுப்பு உரை; பல-பேச்சாளர் வரிகள் speakers புலத்திலிருந்து பெறப்பட்ட alias-களால் தொடங்க வேண்டும், உதாரணமாக 'Alice: Hello!\nBob: Hi!'. [sigh], [laughing], [whispering], [short pause] போன்ற expressive ஆடியோ tags அல்லது உச்சரிப்பு, உணர்ச்சி, வேகம், பாணிக்கான inline இயல்புமொழி வழிமுறைகள் மூலம் வழங்கலை நுணுக்கமாகக் கட்டுப்படுத்தலாம்; உதாரணமாக 'Say cheerfully: Have a wonderful day!'.

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

பேசப்படும் உள்ளடக்கத்திலிருந்து தனியாக வைக்கப்பட்டு, வெளிப்பாடு, உச்சரிப்பு, வேகம், தொனி மற்றும் உணர்ச்சியை வடிவமைக்க ப்ராம்ப்ட்டுக்கு முன் சேர்க்கப்படும் விருப்பமான இயல்புமொழி வழிமுறைகள். எடுத்துக்காட்டுகள்: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', மற்றும் 'Whisper mysteriously'.

output_format இயல்புநிலை mp3

வெளியீட்டு ஆடியோ வடிவம்: mp3 சுருக்கப்பட்ட, சிறிய கோப்புகளை வழங்குவதால் பரிந்துரைக்கப்படுகிறது; wav, 24 kHz-ல் 16-bit mono ஆடியோ கொண்ட சுருக்கப்படாத PCM-ஐ WAV container-ல் கொண்டுள்ளது; ogg_opus, தரம் மற்றும் அளவுக்கு இடையிலான நல்ல சமநிலைக்காக Ogg-க்குள் Opus-ஐப் பயன்படுத்துகிறது.

இயல்புநிலை Kore

30 தனித்த முன்னமைவுகளில் இருந்து ஒற்றைப் பேச்சாளர் குரல் தேர்வு; speakers அமைக்கப்பட்டால் இந்தத் தேர்வு செயலற்றதாகும். பிரபலமான பெண் விருப்பங்களில் வலிமையான, உறுதியான வழங்கலுடன் Kore, தெளிவான, ஒளிர்வான வழங்கலுடன் Zephyr, மற்றும் அன்பான, மெலோடிக் வழங்கலுடன் Aoede ஆகியவை அடங்கும்; பிரபலமான ஆண் விருப்பங்களில் உற்சாகமான, சுறுசுறுப்பான Puck மற்றும் அமைதியான, தொழில்முறை Charon ஆகியவை அடங்கும்.

பலமொழி தொகுப்புக்கான மொழி மேலெழுத்து: நீங்கள் ஒரு மொழியைக் குறிப்பிடாவிட்டால் உரையிலிருந்து தானியங்கி கண்டறிதல் பயன்படுத்தப்படும்; மொழியைக் குறிப்பிடுவதன் மூலம் மாதிரியின் பேச்சை வழிநடத்தலாம்.

இயல்புநிலை 1

பேச்சின் சீரற்ற தன்மை அமைப்பு; குறைந்த அமைப்புகளில் கவனம் செலுத்திய, முன்கணிக்கக்கூடிய வழங்கலிலிருந்து அதிக அமைப்புகளில் படைப்பாற்றலான, மாறுபட்ட வழங்கல் வரை விளைவு மாறும்.

உரையின் தனித்த பகுதிகளைப் பல பேச்சாளர்கள் வாசிக்கச் செய்யும் குரல் அமைப்பு. ஒவ்வொரு பேச்சாளருக்கும் ஒரு குரலையும், தொடர்புடைய ப்ராம்ப்ட் முன்னொட்டுகளுடன் பொருந்தும் speaker_id alias-ஐயும் ஒதுக்கவும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Gemini 3.1 Flash Tts பற்றி

அதிகபட்சம் 50000 எழுத்துகள் கொண்ட `prompt` ஐ பேச்சாக மாற்றுகிறது. வழங்கும் பாணியை உள்ளமைவாகவோ `style_instructions` மூலமாகவோ கட்டுப்படுத்தலாம். 30 குரல்களில் ஒன்றைத் தேர்ந்தெடுத்து, `language_code` ஐ அமைக்கலாம் அல்லது பல பேச்சாளர் ஆடியோவுக்காக `speakers` (2 முதல் 10) ஐப் பயன்படுத்தலாம். வெளியீடு mp3, wav அல்லது ogg_opus; `temperature` 0 முதல் 2 வரை.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
promptதேவை
வகைstring
≤ 50,000 எழுத்துகள்
Gemini 3.1 Flash TTS-க்கான பேச்சுத் தொகுப்பு உரை; பல-பேச்சாளர் வரிகள் speakers புலத்திலிருந்து பெறப்பட்ட alias-களால் தொடங்க வேண்டும், உதாரணமாக 'Alice: Hello!\nBob: Hi!'. [sigh], [laughing], [whispering], [short pause] போன்ற expressive ஆடியோ tags அல்லது உச்சரிப்பு, உணர்ச்சி, வேகம், பாணிக்கான inline இயல்புமொழி வழிமுறைகள் மூலம் வழங்கலை நுணுக்கமாகக் கட்டுப்படுத்தலாம்; உதாரணமாக 'Say cheerfully: Have a wonderful day!'.
style_instructionsவிருப்பத்தேர்வு
வகைstring | null
≤ 4,000 எழுத்துகள்
பேசப்படும் உள்ளடக்கத்திலிருந்து தனியாக வைக்கப்பட்டு, வெளிப்பாடு, உச்சரிப்பு, வேகம், தொனி மற்றும் உணர்ச்சியை வடிவமைக்க ப்ராம்ப்ட்டுக்கு முன் சேர்க்கப்படும் விருப்பமான இயல்புமொழி வழிமுறைகள். எடுத்துக்காட்டுகள்: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', மற்றும் 'Whisper mysteriously'.
voiceவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 மேலும்LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 தனித்த முன்னமைவுகளில் இருந்து ஒற்றைப் பேச்சாளர் குரல் தேர்வு; speakers அமைக்கப்பட்டால் இந்தத் தேர்வு செயலற்றதாகும். பிரபலமான பெண் விருப்பங்களில் வலிமையான, உறுதியான வழங்கலுடன் Kore, தெளிவான, ஒளிர்வான வழங்கலுடன் Zephyr, மற்றும் அன்பான, மெலோடிக் வழங்கலுடன் Aoede ஆகியவை அடங்கும்; பிரபலமான ஆண் விருப்பங்களில் உற்சாகமான, சுறுசுறுப்பான Puck மற்றும் அமைதியான, தொழில்முறை Charon ஆகியவை அடங்கும்.
language_codeவிருப்பத்தேர்வு
வகைenum
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 மேலும்Russian (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)
பலமொழி தொகுப்புக்கான மொழி மேலெழுத்து: நீங்கள் ஒரு மொழியைக் குறிப்பிடாவிட்டால் உரையிலிருந்து தானியங்கி கண்டறிதல் பயன்படுத்தப்படும்; மொழியைக் குறிப்பிடுவதன் மூலம் மாதிரியின் பேச்சை வழிநடத்தலாம்.
speakersவிருப்பத்தேர்வு
வகைobject[]
உரையின் தனித்த பகுதிகளைப் பல பேச்சாளர்கள் வாசிக்கச் செய்யும் குரல் அமைப்பு. ஒவ்வொரு பேச்சாளருக்கும் ஒரு குரலையும், தொடர்புடைய ப்ராம்ப்ட் முன்னொட்டுகளுடன் பொருந்தும் speaker_id alias-ஐயும் ஒதுக்கவும்.
temperatureவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 2
பேச்சின் சீரற்ற தன்மை அமைப்பு; குறைந்த அமைப்புகளில் கவனம் செலுத்திய, முன்கணிக்கக்கூடிய வழங்கலிலிருந்து அதிக அமைப்புகளில் படைப்பாற்றலான, மாறுபட்ட வழங்கல் வரை விளைவு மாறும்.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmp3
wavmp3ogg_opus
வெளியீட்டு ஆடியோ வடிவம்: mp3 சுருக்கப்பட்ட, சிறிய கோப்புகளை வழங்குவதால் பரிந்துரைக்கப்படுகிறது; wav, 24 kHz-ல் 16-bit mono ஆடியோ கொண்ட சுருக்கப்படாத PCM-ஐ WAV container-ல் கொண்டுள்ளது; ogg_opus, தரம் மற்றும் அளவுக்கு இடையிலான நல்ல சமநிலைக்காக Ogg-க்குள் Opus-ஐப் பயன்படுத்துகிறது.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}உருவாக்கத்தால் தயாரிக்கப்படும் ஆடியோ கோப்பு.

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/gemini-3.1-flash-tts.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt