# Gemini 3.1 Flash Tts API

> การแปลงข้อความเป็นเสียงด้วย Gemini 3.1 Flash พร้อมการควบคุมสไตล์แบบอินไลน์ เสียงพูด 30 แบบ และผู้พูดสูงสุด 10 คน

แปลง `prompt` ที่มีความยาวไม่เกิน 50000 อักขระเป็นเสียงพูด ควบคุมรูปแบบการอ่านได้แบบอินไลน์หรือผ่าน `style_instructions` เลือกเสียงพูด 1 จาก 30 แบบ ตั้งค่า `language_code` หรือใช้ `speakers` (2 ถึง 10) สำหรับเสียงจากผู้พูดหลายคน เอาต์พุตเป็น mp3, wav หรือ ogg_opus โดย `temperature` มีค่าตั้งแต่ 0 ถึง 2

- Model id: `gemini-3.1-flash-tts`
- Made by: Google
- Category: Text to Speech
- Output: audio
- Price: $0.05 / 1000 characters (cheapest run $0.05 (50 API credits))
- Run: `POST https://api.doitong.com/v1/run/gemini-3.1-flash-tts`
- Quote: `POST https://api.doitong.com/v1/quote/gemini-3.1-flash-tts`
- Docs page: https://doitong.com/th/developers/models/gemini-3.1-flash-tts

## Pricing

Price: **$0.05 / 1000 characters**. Billed per character of `prompt` (the price is per 1000 characters).

The full example input below costs $0.003 = 3 API credits (50 characters × 50 API credits / 1000 characters).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.com/v1/quote/gemini-3.1-flash-tts` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string | yes |  | 1 – 50000 characters | ข้อความสังเคราะห์เสียงพูดสำหรับ Gemini 3.1 Flash TTS บรรทัดที่มีผู้พูดหลายคนต้องขึ้นต้นด้วยนามแฝงจากฟิลด์ speakers เช่น 'Alice: Hello!\nBob: Hi!'. ควบคุมการส่งเสียงได้อย่างละเอียดด้วยแท็กเสียงที่สื่ออารมณ์ เช่น [sigh], [laughing], [whispering] และ [short pause] หรือใช้คำสั่งภาษาธรรมชาติแบบอินไลน์สำหรับสำเนียง อารมณ์ จังหวะ และรูปแบบ เช่น 'Say cheerfully: Have a wonderful day!'. |
| `style_instructions` |  | string \| null | no |  | ≤ 4000 characters | คำสั่งภาษาธรรมชาติเสริมที่แยกจากเนื้อหาที่พูดและแทรกไว้ก่อนพรอมต์ เพื่อกำหนดการแสดงออก สำเนียง จังหวะ น้ำเสียง และอารมณ์ ตัวอย่างเช่น 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' และ 'Whisper mysteriously' |
| `voice` |  | enum (string) | no | `Kore` | `Achernar`, `Achird`, `Algenib`, `Algieba`, `Alnilam`, `Aoede`, `Autonoe`, `Callirrhoe`, `Charon`, `Despina`, `Enceladus`, `Erinome`, `Fenrir`, `Gacrux`, `Iapetus`, `Kore`, `Laomedeia`, `Leda`, `Orus`, `Pulcherrima`, `Puck`, `Rasalgethi`, `Sadachbia`, `Sadaltager`, `Schedar`, `Sulafat`, `Umbriel`, `Vindemiatrix`, `Zephyr`, `Zubenelgenubi` | การเลือกเสียงสำหรับผู้พูดคนเดียวจากพรีเซ็ตที่แตกต่างกัน 30 รายการ การตั้งค่า speakers จะทำให้การเลือกนี้ไม่มีผล ตัวเลือกเสียงผู้หญิงยอดนิยม ได้แก่ Kore ซึ่งมีน้ำเสียงหนักแน่นและจริงจัง, Zephyr ซึ่งมีน้ำเสียงสดใสและชัดเจน และ Aoede ซึ่งมีน้ำเสียงอบอุ่นและไพเราะ ตัวเลือกเสียงผู้ชายยอดนิยม ได้แก่ Puck ซึ่งร่าเริงและมีชีวิตชีวา และ Charon ซึ่งสงบและเป็นมืออาชีพ |
| `language_code` |  | enum (string) \| null | no |  | `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)`, `Russian (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)` | การกำหนดภาษาการสังเคราะห์เสียงหลายภาษาใหม่ ระบบจะตรวจจับภาษาจากข้อความโดยอัตโนมัติ เว้นแต่คุณจะระบุภาษาเพื่อกำกับเสียงพูดของโมเดล |
| `speakers` |  | array of object {voice, speaker_id} \| array of any \| null | no |  |  | การกำหนดค่าเสียงที่เปิดให้ผู้พูดหลายคนอ่านข้อความคนละส่วน กำหนดเสียงให้ผู้พูดแต่ละคน พร้อมนามแฝง speaker_id ที่ตรงกับคำนำหน้าพรอมต์ที่เกี่ยวข้อง |
| `temperature` |  | number | no | `1` | 0 – 2 | การตั้งค่าความสุ่มของเสียงพูด ซึ่งมีผลตั้งแต่การพูดที่เน้นความสอดคล้องและคาดเดาได้เมื่อใช้ค่าต่ำ ไปจนถึงการพูดที่สร้างสรรค์และหลากหลายเมื่อใช้ค่าสูง |
| `output_format` |  | enum (string) | no | `mp3` | `wav`, `mp3`, `ogg_opus` | รูปแบบเสียงเอาต์พุต: mp3 ให้ไฟล์บีบอัดขนาดกะทัดรัดและแนะนำให้ใช้; wav มีเสียง PCM ที่ไม่บีบอัดในคอนเทนเนอร์ WAV ที่ 24 kHz พร้อมเสียงโมโน 16 บิต; ogg_opus ใช้ Opus ภายใน Ogg เพื่อสมดุลที่ดีระหว่างคุณภาพและขนาด |

## Example input

Required parameters only:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

A fuller example:

```json
{
  "prompt": "Hello from Doitong. This is a short test sentence."
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# 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"
```

### JavaScript

```javascript
const API = "https://api.doitong.com/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/gemini-3.1-flash-tts?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "Hello from Doitong. This is a short test sentence."
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.com/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "Hello from Doitong. This is a short test sentence.",
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/gemini-3.1-flash-tts", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.com/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "gemini-3.1-flash-tts",
      "input": {
        "prompt": "Hello from Doitong. This is a short test sentence."
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "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"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `audio` | object {url, content_type, file_name, file_size} | ไฟล์เสียงที่สร้างขึ้น |

## Related models

- [Eleven v4 Text to Speech](https://doitong.com/developers/models/elevenlabs/tts/eleven-v4.md) (`elevenlabs/tts/eleven-v4`): $0.08 / 1000 characters
- [MiniMax Speech 2.8 HD](https://doitong.com/developers/models/minimax/speech-2.8-hd.md) (`minimax/speech-2.8-hd`): $0.10 / 1000 characters
- [Gemini 3.8 Flash Lite TTS](https://doitong.com/developers/models/google/gemini-3.8-flash-lite-tts.md) (`google/gemini-3.8-flash-lite-tts`): $0.111 / run
- [Gemini 3.8 Flash TTS](https://doitong.com/developers/models/google/gemini-3.8-flash-tts.md) (`google/gemini-3.8-flash-tts`): $0.045 / run
- [Gemini TTS](https://doitong.com/developers/models/gemini-tts.md) (`gemini-tts`): $0.03 / run
- [Async Text to Speech Pro V1.0](https://doitong.com/developers/models/async/tts-pro/v1.0.md) (`async/tts-pro/v1.0`): $0.01 / 1000 characters
- [Bytedance Seed Speech Text to Speech](https://doitong.com/developers/models/bytedance/seed-speech/tts/v2.md) (`bytedance/seed-speech/tts/v2`): $0.03 / 1000 characters
- [Chatterbox · Speech to Speech](https://doitong.com/developers/models/chatterbox/speech-to-speech.md) (`chatterbox/speech-to-speech`): $0.015 / minute of input audio

## Links

- HTML page: https://doitong.com/developers/models/gemini-3.1-flash-tts
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=gemini-3.1-flash-tts
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.com/v1/models/gemini-3.1-flash-tts