Passer au contenu

Gemini TTS

Intégrer

Identifiant du modèle gemini-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-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"

Cette requête: ≈0,03 $ 30 crédits API · ≈ 3,14 ₽ L’exécuter sur cette page

Obtenir une clé API
Google Texte vers parole #text-to-speech#audio#gemini

Synthèse vocale avec 30 voix, dialogues à plusieurs locuteurs, instructions de style et choix d’un modèle Flash ou Pro

Google · Audio

Votre premier résultat apparaîtra ici

Créez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou pendant 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour au fur et à mesure de vos modifications.

•requis 50 / 50000

Texte parlé pour Gemini TTS, acceptant des instructions intégrées en langage naturel pour le style, le débit, l’accent et l’émotion, comme 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés, notamment [slowly], [whispering], [excited] et [extremely fast], contrôlent aussi le débit et le style. Plusieurs locuteurs nécessitent des lignes commençant par des alias du champ speakers, par exemple 'Alice: Hello!\nBob: Hi!'.

Avancé style_instructions · output_format · voice · model · language_code · temperature · speakers
0 / 4000

Instructions facultatives en langage naturel conservées séparément du contenu parlé et insérées avant l’invite pour définir l’expressivité, l’accent, le débit, le ton et l’émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.

output_format par défaut mp3

Format de l’audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé; wav contient de l’audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.

par défaut Kore

Sélection de voix pour un seul locuteur parmi 30 préréglages distincts; le réglage speakers rend cette sélection inactive. Les options féminines populaires sont Kore, à la diction forte et ferme, Zephyr, à la diction claire et lumineuse, et Aoede, à la diction chaleureuse et mélodique; les options masculines populaires sont Puck, énergique et vivant, et Charon, calme et professionnel.

par défaut gemini-2.5-flash-tts

Sélection du modèle Gemini TTS. Pour la meilleure qualité dans les flux structurés comme les livres audio, les balados ou le soutien à la clientèle, utilisez gemini-2.5-pro-tts.

Langue de parole pour la synthèse multilingue : omettez-la pour laisser le modèle déduire la langue de votre texte, ou fournissez-la pour orienter la sortie parlée. La couverture comprend plus de 60 langues en Preview et 24 en GA.

par défaut 1

Réglage de l’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible niveau à une diction créative et variée à niveau élevé.

Configuration de locuteurs prise en charge par gemini-2.5-pro-tts et gemini-2.5-flash-tts, mais pas par gemini-2.5-flash-lite-preview-tts. La fournir permet à différentes voix de lire différentes parties du texte; pour chaque locuteur, fournissez une voix et un alias speaker_id correspondant aux préfixes de l’invite de ce locuteur.

POST /run/gemini-tts?wait=20 devis → 0,03 $
# 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-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"

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement au Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Gemini TTS

Convertit jusqu’à 50 000 caractères de texte en parole. Sélectionnez une `voice` et le `model` gemini-2.5-flash-tts ou gemini-2.5-pro-tts. `style_instructions` (jusqu’à 4000 caractères) oriente le rendu, et `speakers` accepte de 2 à 10 entrées pour les scripts à plusieurs voix. `language_code` facultatif, `temperature` de 0 à 2 et sortie wav, mp3 ou ogg_opus.

Paramètres

NomType Par défautAutorisé Description
promptrequis
Typestring
≤ 50 000 caractères
Texte parlé pour Gemini TTS, acceptant des instructions intégrées en langage naturel pour le style, le débit, l’accent et l’émotion, comme 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés, notamment [slowly], [whispering], [excited] et [extremely fast], contrôlent aussi le débit et le style. Plusieurs locuteurs nécessitent des lignes commençant par des alias du champ speakers, par exemple 'Alice: Hello!\nBob: Hi!'.
style_instructionsfacultatif
Typestring | null
≤ 4 000 caractères
Instructions facultatives en langage naturel conservées séparément du contenu parlé et insérées avant l’invite pour définir l’expressivité, l’accent, le débit, le ton et l’émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.
voicefacultatif
Typeenum
Par défautKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 autresLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Sélection de voix pour un seul locuteur parmi 30 préréglages distincts; le réglage speakers rend cette sélection inactive. Les options féminines populaires sont Kore, à la diction forte et ferme, Zephyr, à la diction claire et lumineuse, et Aoede, à la diction chaleureuse et mélodique; les options masculines populaires sont Puck, énergique et vivant, et Charon, calme et professionnel.
modelfacultatif
Typeenum
Par défautgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Sélection du modèle Gemini TTS. Pour la meilleure qualité dans les flux structurés comme les livres audio, les balados ou le soutien à la clientèle, utilisez gemini-2.5-pro-tts.
language_codefacultatif
Typeenum
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 autresRussian (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)
Langue de parole pour la synthèse multilingue : omettez-la pour laisser le modèle déduire la langue de votre texte, ou fournissez-la pour orienter la sortie parlée. La couverture comprend plus de 60 langues en Preview et 24 en GA.
speakersfacultatif
Typeobject[]
≤ 10 éléments≥ 2 éléments
Configuration de locuteurs prise en charge par gemini-2.5-pro-tts et gemini-2.5-flash-tts, mais pas par gemini-2.5-flash-lite-preview-tts. La fournir permet à différentes voix de lire différentes parties du texte; pour chaque locuteur, fournissez une voix et un alias speaker_id correspondant aux préfixes de l’invite de ce locuteur.
speakers[].voicerequis
Typeenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 autresLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voix préréglée attribuée à ce locuteur.
speakers[].speaker_idrequis
Typestring
Alias de locuteur contenant uniquement des caractères alphanumériques et aucun espace. Identifiez le locuteur en préfixant son texte d’invite avec cet alias, comme dans 'Alice: Hello! Bob: Hi there!'.
temperaturefacultatif
Typenumber
Par défaut1
0 – 2
Réglage de l’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible niveau à une diction créative et variée à niveau élevé.
output_formatfacultatif
Typeenum
Par défautmp3
wavmp3ogg_opus
Format de l’audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé; wav contient de l’audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.
requis

Sortie

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "gemini-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": 30,
    "usd": "0.03",
    "charged": 30,
    "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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation par Go-mois) ou pendant 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et les fichiers audio. output est l’objet de résultat propre au modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio produit par la génération.

Pour les agents IA : cette page en Markdown se trouve à https://doitong.com/fr-CA/developers/models/gemini-tts.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt