Zum Inhalt springen

Gemini 3.1 Flash Tts

Integrieren

Modell-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.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"

Diese Anfrage: 0,003 $ 3 API-Credits · ≈ 0,32 ₽ Auf dieser Seite ausführen

API-Schlüssel abrufen
Google Text zu Sprache LipsyncSchnell #avatar

Gemini 3.1 Flash Text-to-Speech mit Inline-Stilsteuerung, 30 Stimmen und bis zu 10 Sprechern

Google · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich 50 / 50000

Text für die Sprachsynthese von Gemini 3.1 Flash TTS; Zeilen mit mehreren Sprechern müssen mit Aliasen aus dem speakers-Feld beginnen, wie in 'Alice: Hello!\nBob: Hi!'. Die Ausgabe lässt sich mit ausdrucksstarken Audio-Tags wie [sigh], [laughing], [whispering] und [short pause] oder mit Inline-Anweisungen in natürlicher Sprache für Akzent, Emotion, Sprechtempo und Stil fein steuern, etwa 'Say cheerfully: Have a wonderful day!'.

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

Optionale Anweisungen in natürlicher Sprache, die getrennt vom gesprochenen Inhalt bleiben und vor dem Prompt eingefügt werden, um Ausdruck, Akzent, Tempo, Ton und Emotion zu formen. Beispiele sind 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' und 'Whisper mysteriously'.

output_format Standard mp3

Format des Ausgabeaudios: mp3 liefert komprimierte, kompakte Dateien und wird empfohlen; wav enthält unkomprimiertes PCM in einem WAV-Container mit 24 kHz und 16-Bit-Mono-Audio; ogg_opus verwendet Opus in Ogg und bietet ein gutes Verhältnis von Qualität und Größe.

Standard Kore

Auswahl einer Einzelsprecherstimme aus 30 verschiedenen Presets; bei gesetztem speakers wird diese Auswahl deaktiviert. Beliebte weibliche Optionen sind Kore mit kräftiger und bestimmter Sprechweise, Zephyr mit heller und klarer Sprechweise und Aoede mit warmer und melodischer Sprechweise; beliebte männliche Optionen sind Puck, lebhaft und energiegeladen, und Charon, ruhig und professionell.

Sprachüberschreibung für mehrsprachige Synthese: Ohne Angabe wird die Sprache automatisch aus dem Text erkannt; mit Angabe steuerst du die Sprache des Modells.

Standard 1

Einstellung für die Zufälligkeit der Sprache: niedrigere Werte erzeugen eine fokussierte, vorhersehbare Ausgabe, höhere eine kreative, abwechslungsreiche.

Stimmkonfiguration für mehrere Sprecher, die getrennte Textabschnitte lesen. Weise jedem Sprecher eine Stimme und einen speaker_id-Alias zu, der den entsprechenden Prompt-Präfixen entspricht.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Gemini 3.1 Flash Tts

Wandelt einen `prompt` mit bis zu 50000 Zeichen in Sprache um. Die Sprechweise lässt sich inline oder über `style_instructions` steuern. Wähle eine von 30 Stimmen und lege `language_code` fest oder verwende `speakers` (2 bis 10) für Audio mit mehreren Sprechern. Die Ausgabe ist mp3, wav oder ogg_opus; `temperature` reicht von 0 bis 2.

Parameter

NameTyp StandardZulässig Beschreibung
prompterforderlich
Typstring
≤ 50.000 Zeichen
Text für die Sprachsynthese von Gemini 3.1 Flash TTS; Zeilen mit mehreren Sprechern müssen mit Aliasen aus dem speakers-Feld beginnen, wie in 'Alice: Hello!\nBob: Hi!'. Die Ausgabe lässt sich mit ausdrucksstarken Audio-Tags wie [sigh], [laughing], [whispering] und [short pause] oder mit Inline-Anweisungen in natürlicher Sprache für Akzent, Emotion, Sprechtempo und Stil fein steuern, etwa 'Say cheerfully: Have a wonderful day!'.
style_instructionsoptional
Typstring | null
≤ 4.000 Zeichen
Optionale Anweisungen in natürlicher Sprache, die getrennt vom gesprochenen Inhalt bleiben und vor dem Prompt eingefügt werden, um Ausdruck, Akzent, Tempo, Ton und Emotion zu formen. Beispiele sind 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' und 'Whisper mysteriously'.
voiceoptional
Typenum
StandardKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 weitereLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Auswahl einer Einzelsprecherstimme aus 30 verschiedenen Presets; bei gesetztem speakers wird diese Auswahl deaktiviert. Beliebte weibliche Optionen sind Kore mit kräftiger und bestimmter Sprechweise, Zephyr mit heller und klarer Sprechweise und Aoede mit warmer und melodischer Sprechweise; beliebte männliche Optionen sind Puck, lebhaft und energiegeladen, und Charon, ruhig und professionell.
language_codeoptional
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 weitereRussian (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)
Sprachüberschreibung für mehrsprachige Synthese: Ohne Angabe wird die Sprache automatisch aus dem Text erkannt; mit Angabe steuerst du die Sprache des Modells.
speakersoptional
Typobject[]
Stimmkonfiguration für mehrere Sprecher, die getrennte Textabschnitte lesen. Weise jedem Sprecher eine Stimme und einen speaker_id-Alias zu, der den entsprechenden Prompt-Präfixen entspricht.
temperatureoptional
Typnumber
Standard1
0 – 2
Einstellung für die Zufälligkeit der Sprache: niedrigere Werte erzeugen eine fokussierte, vorhersehbare Ausgabe, höhere eine kreative, abwechslungsreiche.
output_formatoptional
Typenum
Standardmp3
wavmp3ogg_opus
Format des Ausgabeaudios: mp3 liefert komprimierte, kompakte Dateien und wird empfohlen; wav enthält unkomprimiertes PCM in einem WAV-Container mit 24 kHz und 16-Bit-Mono-Audio; ogg_opus verwendet Opus in Ogg und bietet ein gutes Verhältnis von Qualität und Größe.
erforderlich

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size}Durch die Generierung erzeugte Audiodatei.

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/gemini-3.1-flash-tts.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt