Accéder 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 · ≈ 3,16 ₽ 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 intervenants, instructions de style et choix entre un modèle Flash ou Pro

Google · Audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 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 lorsque vous les modifiez.

•obligatoire 50 / 50000

Texte parlé pour Gemini TTS, acceptant des indications en langage naturel intégrées pour le style, le rythme, l’accent et l’émotion, comme 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés, notamment [slowly], [whispering], [excited] et [extremely fast], contrôlent également le rythme et le style. Plusieurs intervenants 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

Indications facultatives en langage naturel, séparées du contenu parlé et insérées avant l’invite pour modeler l’expressivité, l’accent, le rythme, 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 un son 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 intervenant parmi 30 préréglages distincts ; la définition de speakers désactive cette sélection. Les options féminines populaires sont Kore, à la diction ferme et affirmée, 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 podcasts ou le support client, utilisez gemini-2.5-pro-tts.

Langue de synthèse vocale 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

Paramètre d’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible valeur à une diction créative et variée à valeur élevée.

Configuration des intervenants 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. Sa présence permet à différentes voix de lire différentes portions du texte ; pour chaque intervenant, fournissez une voix et un alias speaker_id correspondant aux préfixes de son invite.

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 à la 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 2 à 10 entrées pour les scripts à plusieurs voix. `language_code` et `temperature` de 0 à 2 sont facultatifs, tout comme la sortie wav, mp3 ou ogg_opus.

Paramètres

NomType Par défautAutorisé Description
promptobligatoire
Typestring
≤ 50 000 caractères
Texte parlé pour Gemini TTS, acceptant des indications en langage naturel intégrées pour le style, le rythme, l’accent et l’émotion, comme 'Say cheerfully: Have a wonderful day!'. Les marqueurs intégrés, notamment [slowly], [whispering], [excited] et [extremely fast], contrôlent également le rythme et le style. Plusieurs intervenants nécessitent des lignes commençant par des alias du champ speakers, par exemple 'Alice: Hello!\nBob: Hi!'.
style_instructionsfacultatif
Typestring | null
≤ 4 000 caractères
Indications facultatives en langage naturel, séparées du contenu parlé et insérées avant l’invite pour modeler l’expressivité, l’accent, le rythme, 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 de plusLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Sélection de voix pour un seul intervenant parmi 30 préréglages distincts ; la définition de speakers désactive cette sélection. Les options féminines populaires sont Kore, à la diction ferme et affirmée, 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 podcasts ou le support client, 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 de plusRussian (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 synthèse vocale 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 des intervenants 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. Sa présence permet à différentes voix de lire différentes portions du texte ; pour chaque intervenant, fournissez une voix et un alias speaker_id correspondant aux préfixes de son invite.
speakers[].voiceobligatoire
Typeenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 de plusLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voix prédéfinie attribuée à cet intervenant.
speakers[].speaker_idobligatoire
Typestring
Alias d’intervenant contenant uniquement des caractères alphanumériques et aucun espace. Identifiez l’intervenant en préfixant son texte d’invite par cet alias, comme dans 'Alice: Hello! Bob: Hi there!'.
temperaturefacultatif
Typenumber
Par défaut1
0 – 2
Paramètre d’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible valeur à une diction créative et variée à valeur élevée.
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 un son mono 16 bits ; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.
obligatoire

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 sur notre stockage : conservée indéfiniment (facturation par Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Une structure identique pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et l'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 au format Markdown est disponible à l'adresse https://doitong.com/fr-FR/developers/models/gemini-tts.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt