דילוג לתוכן

Gemini TTS

שילוב

מזהה מודל 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"

בקשה זו: ≈⁨‏0.03 ‏$⁩ 30 קרדיטי API · ≈ ⁨‏3.16 ‏₽⁩ הרצה בדף הזה

קבלת מפתח API
Google טקסט לדיבור #text-to-speech#audio#gemini

המרת טקסט לדיבור עם 30 קולות, דיאלוג מרובה דוברים, הוראות סגנון ובחירה במודל Flash או Pro

Google · אודיו

התוצאה הראשונה שלך תופיע כאן

בנו בקשה למטה והריצו אותה עם מפתח ה־API שלכם. הפלטים מועתקים לאחסון שלנו ונשמרים לצמיתות או למשך 7 ימים ללא תשלום.

בנה בקשה

הפקדים נוצרים מסכמת המודל. הקוד והמחיר מתעדכנים כשמשנים אותם.

•חובה 50 / 50000

טקסט הדיבור עבור Gemini TTS, המקבל הוראות משולבות בשפה טבעית לסגנון, קצב, מבטא ורגש, כגון 'Say cheerfully: Have a wonderful day!'. סמנים בתוך הטקסט, כולל [slowly], [whispering], [excited], ו-[extremely fast], שולטים גם בקצב ובסגנון. כמה דוברים דורשים שורות המתחילות בכינויים מהשדה speakers, לדוגמה 'Alice: Hello!\nBob: Hi!'.

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

הוראות אופציונליות בשפה טבעית, הנשמרות בנפרד מהתוכן המדובר ומוכנסות לפני ההנחיה כדי לעצב הבעה, מבטא, קצב, גוון ורגש. דוגמאות כוללות 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', ו-'Whisper mysteriously'.

output_format ברירת מחדל mp3

פורמט אודיו הפלט: mp3 מספק קובצי אודיו דחוסים וקומפקטיים ומומלץ; wav מכיל PCM לא דחוס במכל WAV, ב-24 kHz ובאודיו מונו של 16 סיביות; ogg_opus משתמש ב-Opus בתוך Ogg לאיזון מיטבי בין איכות לגודל.

ברירת מחדל Kore

בחירת קול לדובר יחיד מתוך 30 הגדרות קבועות מראש; הגדרת speakers משביתה בחירה זו. אפשרויות נשיות פופולריות הן Kore, בהגשה חזקה ונחרצת, Zephyr, בהגשה בהירה וברורה, ו-Aoede, בהגשה חמה ומלודית; אפשרויות גבריות פופולריות הן Puck, אופטימי ותוסס, ו-Charon, רגוע ומקצועי.

ברירת מחדל gemini-2.5-flash-tts

בחירת מודל Gemini TTS. לאיכות הגבוהה ביותר בתהליכי עבודה מובנים כגון ספרי אודיו, פודקאסטים או תמיכת לקוחות, השתמשו ב-gemini-2.5-pro-tts.

שפת הדיבור לסינתזה רב-לשונית: השמיטו אותה כדי לאפשר למודל להסיק את השפה מהטקסט, או ספקו אותה כדי לכוון את הפלט המדובר. הכיסוי כולל יותר מ-60 שפות ב-Preview ו-24 ב-GA.

ברירת מחדל 1

הגדרת האקראיות של הדיבור, הנעה מהגשה ממוקדת וצפויה בהגדרות נמוכות להגשה יצירתית ומגוונת בהגדרות גבוהות.

תצורת דובר הנתמכת על ידי gemini-2.5-pro-tts ו-gemini-2.5-flash-tts, אך לא על ידי gemini-2.5-flash-lite-preview-tts. אספקתה מאפשרת לקולות שונים לקרוא חלקים שונים של הטקסט; עבור כל דובר ספקו קול וכן כינוי speaker_id התואם לקידומות ההנחיה של אותו דובר.

POST /run/gemini-tts?wait=20 הצעת מחיר → ⁨‏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"

הרצת הבקשה הזו

המפתח שלך נשאר בדפדפן הזה: הוא נשלח רק אל Doitong API ונשמר ב-localStorage רק אם מסמנים זכור. קבל מפתח API

מידע על Gemini TTS

ממיר עד 50,000 תווים של טקסט לדיבור. בחרו `voice` ואת `model` gemini-2.5-flash-tts או gemini-2.5-pro-tts. `style_instructions` (עד 4000 תווים) שולט באופן ההקראה, ו-`speakers` מקבל 2 עד 10 ערכים עבור תסריטים מרובי קולות. ניתן להגדיר גם `language_code`, `temperature` מ-0 עד 2 ופלט wav, mp3 או ogg_opus.

פרמטרים

שםסוג ברירת מחדלמותר תיאור
promptחובה
סוגstring
≤ 50,000 תווים
טקסט הדיבור עבור Gemini TTS, המקבל הוראות משולבות בשפה טבעית לסגנון, קצב, מבטא ורגש, כגון 'Say cheerfully: Have a wonderful day!'. סמנים בתוך הטקסט, כולל [slowly], [whispering], [excited], ו-[extremely fast], שולטים גם בקצב ובסגנון. כמה דוברים דורשים שורות המתחילות בכינויים מהשדה speakers, לדוגמה 'Alice: Hello!\nBob: Hi!'.
style_instructionsאופציונלי
סוגstring | null
≤ 4,000 תווים
הוראות אופציונליות בשפה טבעית, הנשמרות בנפרד מהתוכן המדובר ומוכנסות לפני ההנחיה כדי לעצב הבעה, מבטא, קצב, גוון ורגש. דוגמאות כוללות 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', ו-'Whisper mysteriously'.
voiceאופציונלי
סוגenum
ברירת מחדלKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
עוד 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
בחירת קול לדובר יחיד מתוך 30 הגדרות קבועות מראש; הגדרת speakers משביתה בחירה זו. אפשרויות נשיות פופולריות הן Kore, בהגשה חזקה ונחרצת, Zephyr, בהגשה בהירה וברורה, ו-Aoede, בהגשה חמה ומלודית; אפשרויות גבריות פופולריות הן Puck, אופטימי ותוסס, ו-Charon, רגוע ומקצועי.
modelאופציונלי
סוגenum
ברירת מחדלgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
בחירת מודל Gemini TTS. לאיכות הגבוהה ביותר בתהליכי עבודה מובנים כגון ספרי אודיו, פודקאסטים או תמיכת לקוחות, השתמשו ב-gemini-2.5-pro-tts.
language_codeאופציונלי
סוגenum
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)
עוד 71Russian (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)
שפת הדיבור לסינתזה רב-לשונית: השמיטו אותה כדי לאפשר למודל להסיק את השפה מהטקסט, או ספקו אותה כדי לכוון את הפלט המדובר. הכיסוי כולל יותר מ-60 שפות ב-Preview ו-24 ב-GA.
speakersאופציונלי
סוגobject[]
≤ 10 פריטים≥ 2 פריטים
תצורת דובר הנתמכת על ידי gemini-2.5-pro-tts ו-gemini-2.5-flash-tts, אך לא על ידי gemini-2.5-flash-lite-preview-tts. אספקתה מאפשרת לקולות שונים לקרוא חלקים שונים של הטקסט; עבור כל דובר ספקו קול וכן כינוי speaker_id התואם לקידומות ההנחיה של אותו דובר.
speakers[].voiceחובה
סוגenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
עוד 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
קול מוגדר מראש שהוקצה לדובר זה.
speakers[].speaker_idחובה
סוגstring
כינוי דובר המכיל תווים אלפאנומריים בלבד וללא רווחים. זהו את הדובר באמצעות הוספת הכינוי כקידומת לטקסט ההנחיה, כמו 'Alice: Hello! Bob: Hi there!'.
temperatureאופציונלי
סוגnumber
ברירת מחדל1
0 – 2
הגדרת האקראיות של הדיבור, הנעה מהגשה ממוקדת וצפויה בהגדרות נמוכות להגשה יצירתית ומגוונת בהגדרות גבוהות.
output_formatאופציונלי
סוגenum
ברירת מחדלmp3
wavmp3ogg_opus
פורמט אודיו הפלט: mp3 מספק קובצי אודיו דחוסים וקומפקטיים ומומלץ; wav מכיל PCM לא דחוס במכל WAV, ב-24 kHz ובאודיו מונו של 16 סיביות; ogg_opus משתמש ב-Opus בתוך Ogg לאיזון מיטבי בין איכות לגודל.
חובה

פלט

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"
  }
}
הקבצים שלכם, הבחירה שלכםכל outputs[].url הוא עותק באחסון שלנו: נשמר לצמיתות (בתשלום לפי GB-חודש) או למשך 7 ימים ללא תשלום, בהתאם להגדרת החשבון או ל־?storage=.
אותו מבנה בכל מודלtype, url, content_type, width, height ו-duration, עבור תמונות, וידאו ואודיו כאחד. output הוא אובייקט התוצאה של המודל עצמו.
שדות הפלט
audio
object {url, content_type, file_name, file_size}קובץ האודיו שנוצר.

לסוכני AI: דף זה בפורמט Markdown נמצא בכתובת https://doitong.com/he/developers/models/gemini-tts.md. כל המודלים והמדריכים: https://doitong.com/developers/llms.txt