שפּרינגען צו אינהאַלט

Gemini 3.1 Flash Tts

אינטעגרירן

מאָדעל־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"

דער דאָזיקער ריקוועסט: ⁨$ 0.003⁩ 3 API־קרעדיטן לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Google טעקסט צו רעדע ליפּסינקשנעל #lipsync#avatar

Gemini 3.1 Flash טעקסט־צו־רעדע מיט אינלײַן־סטיל־קאָנטראָל, 30 שטימען און ביז 10 רעדנער

Google · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט 50 / 50000

רעדע־סינטעז־טעקסט פֿאַר Gemini 3.1 Flash TTS; שורות מיט עטלעכע רעדנער מוזן אָנהייבן מיט אַליאַסן פֿון דעם speakers־פֿעלד, ווי אין 'Alice: Hello!\nBob: Hi!'. די איבערגעבן קען ווערן גענוי קאַנטראָלט מיט אויסדרוקלעכע אַודיאָ־טאַגס ווי [sigh], [laughing], [whispering], און [short pause], אָדער מיט אינלײַן אינסטרוקציעס אין נאַטירלעכער שפּראַך פֿאַר אַקצענט, עמאָציע, טעמפּאָ און סטיל, ווי 'Say cheerfully: Have a wonderful day!'.

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

אָפּציאָנעלע אינסטרוקציעס אין נאַטירלעכער שפּראַך, געהאַלטן באַזונדער פון גערעדטן אינהאַלט און אַרײַנגעשטעלט פֿאַרן פּראָמפּט צו פֿאָרמירן אויסדרוק, אַקצענט, גיכקייט, טאָן און עמאָציע. בײַשפּילן אַרײַננעמען 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', און 'Whisper mysteriously'.

output_format סטאַנדאַרט mp3

פֿאָרמאַט פֿאַרן רעזולטאַט־אַודיאָ: mp3 גיט קאָמפּרעסירטע, קאָמפּאַקטע פֿײַלן און ווערט רעקאָמענדירט; wav אַנטהאַלט אומקאָמפּרעסירטן PCM אין אַ WAV־קאַנטיינער בײַ 24 kHz מיט 16-bit מאָנאָ־אַודיאָ; ogg_opus ניצט Opus אינעווייניק אין Ogg פֿאַר אַ גוטן וואָג צווישן קוואַליטעט און גרייס.

סטאַנדאַרט Kore

אויסקלײַב פון איין־רעדנער־שטימע פֿון 30 באַזונדערע פּרעסעטן; באַשטימען speakers מאַכט דעם אויסקלײַב אומאַקטיוו. פּאָפּולערע פֿרויען־אָפּציעס זענען Kore, מיט אַ שטאַרקער און פעסטער איבערגעבן, Zephyr, מיט אַ העלער און קלאָרער איבערגעבן, און Aoede, מיט אַ וואַרעמער און מעלאָדישער איבערגעבן; פּאָפּולערע מענער־אָפּציעס זענען Puck, לעבעדיק און ענערגיש, און Charon, רויִק און פּראָפֿעסיאָנעל.

איבערשרײַבונג פון שפּראַך פֿאַר מולטילינגוואַלער סינטעז: אָטאַמאַטישע דערקענונג פֿון טעקסט ווערט געווענדט סיידן איר ספּעציפֿיצירט אַ שפּראַך צו פֿירן דעם מאָדעלס רעדע.

סטאַנדאַרט 1

רעדע־ראַנדאָמקייט־באַשטעטיקונג, פֿון פאָקוסירטער, פֿאָרויסזעעוודיקער איבערגעבן בײַ נידעריקע ווערטן ביז שעפֿערישער, פֿאַרשיידנאַרטיקער איבערגעבן בײַ העכערע.

שטימע־קאָנפֿיגוראַציע וואָס דערלויבט עטלעכע רעדנער צו לייענען באַזונדערע טיילן פונעם טעקסט. צוטיילן יעדן רעדנער אַ שטימע פּלוס אַ speaker_id אַליאַס וואָס שטימט מיט די קאָרעספּאָנדירנדיקע פּראָמפּט־פּרעפֿיקסן.

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

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן Gemini 3.1 Flash Tts

קאָנווערטירט אַ `prompt` מיט ביז 50000 צייכנס אין רעדע. די אויסשפּראַך קען ווערן געפֿירט אינלײַן אָדער דורך `style_instructions`. קלײַבט איינע פֿון 30 שטימען, שטעלט אַ `language_code`, אָדער ניצט `speakers` (2 ביז 10) פֿאַר אַודיאָ מיט מערערע רעדנער. די רעזולטאַט איז mp3, wav אָדער ogg_opus, מיט `temperature` פֿון 0 ביז 2.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
promptפארלאנגט
טיפּstring
≤ 50,000 כאַראַקטערן
רעדע־סינטעז־טעקסט פֿאַר Gemini 3.1 Flash TTS; שורות מיט עטלעכע רעדנער מוזן אָנהייבן מיט אַליאַסן פֿון דעם speakers־פֿעלד, ווי אין 'Alice: Hello!\nBob: Hi!'. די איבערגעבן קען ווערן גענוי קאַנטראָלט מיט אויסדרוקלעכע אַודיאָ־טאַגס ווי [sigh], [laughing], [whispering], און [short pause], אָדער מיט אינלײַן אינסטרוקציעס אין נאַטירלעכער שפּראַך פֿאַר אַקצענט, עמאָציע, טעמפּאָ און סטיל, ווי 'Say cheerfully: Have a wonderful day!'.
style_instructionsאָפּציאָנעל
טיפּstring | null
≤ 4,000 כאַראַקטערן
אָפּציאָנעלע אינסטרוקציעס אין נאַטירלעכער שפּראַך, געהאַלטן באַזונדער פון גערעדטן אינהאַלט און אַרײַנגעשטעלט פֿאַרן פּראָמפּט צו פֿאָרמירן אויסדרוק, אַקצענט, גיכקייט, טאָן און עמאָציע. בײַשפּילן אַרײַננעמען 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', און 'Whisper mysteriously'.
voiceאָפּציאָנעל
טיפּenum
סטאַנדאַרטKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 נאָךLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
אויסקלײַב פון איין־רעדנער־שטימע פֿון 30 באַזונדערע פּרעסעטן; באַשטימען speakers מאַכט דעם אויסקלײַב אומאַקטיוו. פּאָפּולערע פֿרויען־אָפּציעס זענען Kore, מיט אַ שטאַרקער און פעסטער איבערגעבן, Zephyr, מיט אַ העלער און קלאָרער איבערגעבן, און Aoede, מיט אַ וואַרעמער און מעלאָדישער איבערגעבן; פּאָפּולערע מענער־אָפּציעס זענען Puck, לעבעדיק און ענערגיש, און Charon, רויִק און פּראָפֿעסיאָנעל.
language_codeאָפּציאָנעל
טיפּenum
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 נאָךRussian (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)
איבערשרײַבונג פון שפּראַך פֿאַר מולטילינגוואַלער סינטעז: אָטאַמאַטישע דערקענונג פֿון טעקסט ווערט געווענדט סיידן איר ספּעציפֿיצירט אַ שפּראַך צו פֿירן דעם מאָדעלס רעדע.
speakersאָפּציאָנעל
טיפּobject[]
שטימע־קאָנפֿיגוראַציע וואָס דערלויבט עטלעכע רעדנער צו לייענען באַזונדערע טיילן פונעם טעקסט. צוטיילן יעדן רעדנער אַ שטימע פּלוס אַ speaker_id אַליאַס וואָס שטימט מיט די קאָרעספּאָנדירנדיקע פּראָמפּט־פּרעפֿיקסן.
temperatureאָפּציאָנעל
טיפּnumber
סטאַנדאַרט1
0 – 2
רעדע־ראַנדאָמקייט־באַשטעטיקונג, פֿון פאָקוסירטער, פֿאָרויסזעעוודיקער איבערגעבן בײַ נידעריקע ווערטן ביז שעפֿערישער, פֿאַרשיידנאַרטיקער איבערגעבן בײַ העכערע.
output_formatאָפּציאָנעל
טיפּenum
סטאַנדאַרטmp3
wavmp3ogg_opus
פֿאָרמאַט פֿאַרן רעזולטאַט־אַודיאָ: mp3 גיט קאָמפּרעסירטע, קאָמפּאַקטע פֿײַלן און ווערט רעקאָמענדירט; wav אַנטהאַלט אומקאָמפּרעסירטן PCM אין אַ WAV־קאַנטיינער בײַ 24 kHz מיט 16-bit מאָנאָ־אַודיאָ; ogg_opus ניצט Opus אינעווייניק אין Ogg פֿאַר אַ גוטן וואָג צווישן קוואַליטעט און גרייס.
פארלאנגט

אויסגאַבע

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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
object {url, content_type, file_name, file_size}אַודיאָ־פֿײַל געשאַפֿן דורך גענערירונג.

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/gemini-3.1-flash-tts.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt