உள்ளடக்கத்திற்குச் செல்க

Gemini 3.8 Flash TTS

ஒருங்கிணை

மாடல் id google/gemini-3.8-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/google/gemini-3.8-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: ≈$0.045 45 API கிரெடிட்கள் இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக
Google உரையிலிருந்து பேச்சிற்கு வேகமானது #text-to-speech#audio#dialogue#voiceover

உரையாடல் அல்லது இரு பேச்சாளர் உரையாடலுக்கான நிலையான Gemini 3.8 Flash உரை-முதல்-பேச்சு, 30 குரல்கள்

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.

ஒற்றைப் பேச்சாளருக்குத் துல்லியமாகப் பேச வேண்டிய உரை; உரையாடலுக்கு speakers மற்றும் turns-ஐப் பயன்படுத்தி, ப்ராம்ப்ட்-ஐத் தவிர்க்கவும். வழங்கல் வழிகாட்டுதலுக்கு style_instructions-ஐப் பயன்படுத்தவும்; குரல் நிகழ்வுகளை <laugh> அல்லது <sigh> மூலம் inline-ஆகக் குறிக்கவும். முழு உள்ளீட்டிலும் provider அதிகபட்சம் 8,192 டோக்கன்களை அனுமதிக்கிறது.

மேம்பட்டவை style_instructions · voice · enable_safety_checker · speakers · turns

ஒவ்வொரு turn-க்கும் பொருந்தும் இயல்புநிலை வழங்கல் வழிகாட்டுதல்; மேலெழுத்துகள் அனுமதிக்கப்படும். இந்த வழிமுறைகள் பேசப்படும் உரைப்பதிவின் பகுதியாகாது.

இயல்புநிலை Kore

ஒற்றைப் பேச்சாளரின் பேச்சுக்குப் பயன்படுத்தப்படும் முன்னமைவு குரல்.

சரியாக இரண்டு வெவ்வேறு alias-களைக் கொண்ட உரையாடல் பேச்சாளர் அமைப்பு; ஒவ்வொன்றும் முன்கூட்டியே உருவாக்கப்பட்ட ஒரு குரலுடன் இணைக்கப்பட்டுள்ளது.

ஒவ்வொரு turn-க்கும் அமைக்கப்பட்ட பேச்சாளர் அடையாளம் காணப்பட்ட உரையாடல் turn-களின் வரிசை.

POST /run/google/gemini-3.8-flash-tts?wait=20 விலை → $0.045
# 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/google/gemini-3.8-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 3.8 Flash TTS பற்றி

30 முன்கூட்டியே உருவாக்கப்பட்ட குரல்களில் ஒன்றைப் பயன்படுத்தி `prompt` இலிருந்து WAV ஆடியோவை உருவாக்குகிறது; அல்லது உரையாடலுக்கான இரண்டு `speakers` மற்றும் `turns` பட்டியலிலிருந்து உருவாக்குகிறது. `style_instructions`, transcript இலிருந்து விநியோக முறையைத் தனியாக அமைக்கிறது; அனைத்து turn களுக்கும் பயன்படுத்தலாம். <laugh> மற்றும் <sigh> போன்ற உட்பொதிக்கப்பட்ட vocal events அனுமதிக்கப்படுகின்றன.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
promptவிருப்பத்தேர்வு
வகைstring | null
ஒற்றைப் பேச்சாளருக்குத் துல்லியமாகப் பேச வேண்டிய உரை; உரையாடலுக்கு speakers மற்றும் turns-ஐப் பயன்படுத்தி, ப்ராம்ப்ட்-ஐத் தவிர்க்கவும். வழங்கல் வழிகாட்டுதலுக்கு style_instructions-ஐப் பயன்படுத்தவும்; குரல் நிகழ்வுகளை <laugh> அல்லது <sigh> மூலம் inline-ஆகக் குறிக்கவும். முழு உள்ளீட்டிலும் provider அதிகபட்சம் 8,192 டோக்கன்களை அனுமதிக்கிறது.
style_instructionsவிருப்பத்தேர்வு
வகைstring | null
ஒவ்வொரு turn-க்கும் பொருந்தும் இயல்புநிலை வழங்கல் வழிகாட்டுதல்; மேலெழுத்துகள் அனுமதிக்கப்படும். இந்த வழிமுறைகள் பேசப்படும் உரைப்பதிவின் பகுதியாகாது.
voiceவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 மேலும்LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
ஒற்றைப் பேச்சாளரின் பேச்சுக்குப் பயன்படுத்தப்படும் முன்னமைவு குரல்.
speakersவிருப்பத்தேர்வு
வகைobject[]
≤ 2 உருப்படிகள்≥ 2 உருப்படிகள்
சரியாக இரண்டு வெவ்வேறு alias-களைக் கொண்ட உரையாடல் பேச்சாளர் அமைப்பு; ஒவ்வொன்றும் முன்கூட்டியே உருவாக்கப்பட்ட ஒரு குரலுடன் இணைக்கப்பட்டுள்ளது.
speakers[].speaker_idதேவை
வகைstring
≥ 1 characters
ஒவ்வொரு turn-லும் பேச்சாளரை அடையாளம் காணும் alias.
speakers[].voiceதேவை
வகைenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 மேலும்LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
இந்தப் பேச்சாளருக்கு ஒதுக்கப்பட்ட முன்னமைவு குரல்.
turnsவிருப்பத்தேர்வு
வகைobject[]
ஒவ்வொரு turn-க்கும் அமைக்கப்பட்ட பேச்சாளர் அடையாளம் காணப்பட்ட உரையாடல் turn-களின் வரிசை.
turns[].speaker_idதேவை
வகைstring
≥ 1 characters
அமைப்பிலுள்ள பேச்சாளரை அடையாளம் காணும் alias.
turns[].textதேவை
வகைstring
≥ 1 characters
இந்த turn-ல் பேச வேண்டிய துல்லியமான உரைப்பதிவு.
turns[].style_instructionsவிருப்பத்தேர்வு
வகைstring | null
இந்த turn-க்கான விருப்பமான பேச்சு வழங்கல் பாணி.
enable_safety_checkerவிருப்பத்தேர்வு
வகைboolean
இயல்புநிலைtrue
அழைப்பாளர் அங்கீகரிக்கப்பட்டிருந்தால், false என அமைப்பதன் மூலம் திரையிடலைத் தளர்த்தலாம்.
தேவை

வெளியீடு

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "google/gemini-3.8-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": 45,
    "usd": "0.045",
    "charged": 45,
    "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}WAV வடிவிலான ஆடியோ வெளியீடு.

மேலும் மாதிரிகள்: உரையிலிருந்து பேச்சிற்கு

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/google/gemini-3.8-flash-tts.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt