Přejít na obsah

Gemini 3.1 Flash Tts

Integrace

ID modelu 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.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Tento požadavek: 0,003 $ 3 kredity API · ≈ 0,32 ₽ Spustit na této stránce

Získat API klíč
Google Text na řeč Synchronizace rtůRychlé #lipsync#avatar

Gemini 3.1 Flash převodu textu na řeč s vloženým řízením stylu, 30 hlasy a až 10 mluvčími

Google · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné 50 / 50000

Text syntézy řeči pro Gemini 3.1 Flash TTS; řádky s více mluvčími musí začínat aliasy z pole speakers, například 'Alice: Hello!\nBob: Hi!'. Podání lze podrobně řídit expresivními zvukovými tagy jako [sigh], [laughing], [whispering] a [short pause] nebo vloženými pokyny v přirozeném jazyce pro přízvuk, emoce, tempo a styl, například 'Say cheerfully: Have a wonderful day!'.

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

Volitelné pokyny v přirozeném jazyce oddělené od mluveného obsahu a vložené před prompt pro úpravu expresivity, přízvuku, tempa, tónu a emocí. Příklady: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' a 'Whisper mysteriously'.

output_format výchozí mp3

Formát výstupního zvuku: mp3 poskytuje komprimované kompaktní soubory a je doporučený; wav obsahuje nekomprimované PCM v kontejneru WAV při 24 kHz s 16bitovým mono zvukem; ogg_opus používá Opus v Ogg pro vyvážený poměr kvality a velikosti.

výchozí Kore

Výběr hlasu jednoho mluvčího z 30 předvoleb; nastavení speakers tuto volbu deaktivuje. Oblíbené ženské možnosti jsou Kore se silným a pevným projevem, Zephyr s jasným a zřetelným projevem a Aoede s vřelým a melodickým projevem; oblíbené mužské možnosti jsou Puck, energický a živý, a Charon, klidný a profesionální.

Přepsání jazyka vícejazyčné syntézy: pokud jazyk neuvedete, automaticky se rozpozná z textu; zadáním jazyka ovlivníte řeč modelu.

výchozí 1

Nastavení náhodnosti řeči, od soustředěného a předvídatelného projevu při nižších hodnotách po kreativní a variabilní projev při vyšších hodnotách.

Konfigurace hlasu umožňující více mluvčím číst oddělené části textu. Každému mluvčímu přiřaďte hlas a alias speaker_id odpovídající příslušným prefixům promptu.

POST /run/gemini-3.1-flash-tts?wait=20 cena → 0,003 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/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.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Gemini 3.1 Flash Tts

Převádí `prompt` o délce až 50000 znaků na řeč. Projev lze řídit přímo v textu nebo pomocí `style_instructions`. Vyberte jeden z 30 hlasů, nastavte `language_code` nebo použijte `speakers` (2 až 10) pro zvuk s více mluvčími. Výstup je mp3, wav nebo ogg_opus a `temperature` se pohybuje od 0 do 2.

Parametry

NázevTyp VýchozíPovolené Popis
promptpovinné
Typstring
≤ 50 000 znaků
Text syntézy řeči pro Gemini 3.1 Flash TTS; řádky s více mluvčími musí začínat aliasy z pole speakers, například 'Alice: Hello!\nBob: Hi!'. Podání lze podrobně řídit expresivními zvukovými tagy jako [sigh], [laughing], [whispering] a [short pause] nebo vloženými pokyny v přirozeném jazyce pro přízvuk, emoce, tempo a styl, například 'Say cheerfully: Have a wonderful day!'.
style_instructionsvolitelné
Typstring | null
≤ 4 000 znaků
Volitelné pokyny v přirozeném jazyce oddělené od mluveného obsahu a vložené před prompt pro úpravu expresivity, přízvuku, tempa, tónu a emocí. Příklady: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' a 'Whisper mysteriously'.
voicevolitelné
Typenum
VýchozíKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 dalšíchLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Výběr hlasu jednoho mluvčího z 30 předvoleb; nastavení speakers tuto volbu deaktivuje. Oblíbené ženské možnosti jsou Kore se silným a pevným projevem, Zephyr s jasným a zřetelným projevem a Aoede s vřelým a melodickým projevem; oblíbené mužské možnosti jsou Puck, energický a živý, a Charon, klidný a profesionální.
language_codevolitelné
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 dalšíchRussian (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)
Přepsání jazyka vícejazyčné syntézy: pokud jazyk neuvedete, automaticky se rozpozná z textu; zadáním jazyka ovlivníte řeč modelu.
speakersvolitelné
Typobject[]
Konfigurace hlasu umožňující více mluvčím číst oddělené části textu. Každému mluvčímu přiřaďte hlas a alias speaker_id odpovídající příslušným prefixům promptu.
temperaturevolitelné
Typnumber
Výchozí1
0 – 2
Nastavení náhodnosti řeči, od soustředěného a předvídatelného projevu při nižších hodnotách po kreativní a variabilní projev při vyšších hodnotách.
output_formatvolitelné
Typenum
Výchozímp3
wavmp3ogg_opus
Formát výstupního zvuku: mp3 poskytuje komprimované kompaktní soubory a je doporučený; wav obsahuje nekomprimované PCM v kontejneru WAV při 24 kHz s 16bitovým mono zvukem; ogg_opus používá Opus v Ogg pro vyvážený poměr kvality a velikosti.
povinné

Výstup

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.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size}Zvukový soubor vytvořený generováním.

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/gemini-3.1-flash-tts.md. Všechny modely a návody: https://doitong.com/developers/llms.txt