Prijeđi na sadržaj

Gemini 3.1 Flash Tts

Integriraj

ID modela 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"

Ovaj zahtjev: 0,003 $ 3 API kredita · ≈ 0,31 ₽ Pokreni na ovoj stranici

Nabavi API ključ
Google Tekst u govor Sinkronizacija usanaBrzo #lipsync#avatar

Gemini 3.1 Flash text-to-speech s ugrađenom kontrolom stila, 30 glasova i do 10 govornika

Google · Zvuk

Vaš prvi rezultat bit će ovdje

Izradite zahtjev u nastavku i pokrenite ga svojim API ključem. Izlazi se kopiraju u našu pohranu i čuvaju zauvijek ili 7 dana besplatno.

Izradi zahtjev

Kontrole se generiraju iz sheme modela. Kôd i cijena ažuriraju se dok ih mijenjate.

•obavezno 50 / 50000

Tekst za sintezu govora za Gemini 3.1 Flash TTS; retci s više govornika moraju započeti aliasima iz polja speakers, kao u 'Alice: Hello!\nBob: Hi!'. Isporuka se može precizno kontrolirati izražajnim audiokoje su oznakama kao što su [sigh], [laughing], [whispering] i [short pause] ili umetnutim uputama na prirodnom jeziku za naglasak, emociju, tempo i stil, kao u 'Say cheerfully: Have a wonderful day!'.

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

Neobavezne upute na prirodnom jeziku koje se drže odvojeno od govornog sadržaja i umeću prije prompta radi oblikovanja izražajnosti, naglaska, tempa, tona i emocije. Primjeri uključuju 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' i 'Whisper mysteriously'.

output_format zadano mp3

Format izlaznog audija: mp3 pruža komprimirane, kompaktne datoteke i preporučuje se; wav sadrži nekomprimirani PCM u WAV spremniku pri 24 kHz sa 16-bitnim mono audiom; ogg_opus koristi Opus unutar Ogg spremnika za povoljan omjer kvalitete i veličine.

zadano Kore

Odabir glasa za jednog govornika iz 30 zasebnih unaprijed postavljenih glasova; postavljanjem speakers ovaj odabir postaje neaktivan. Popularne ženske mogućnosti su Kore, snažnog i odlučnog izgovora, Zephyr, svijetlog i jasnog izgovora, te Aoede, toplog i melodičnog izgovora; popularne muške mogućnosti su Puck, vedar i živahan, te Charon, miran i profesionalan.

Nadjačavanje jezika višejezične sinteze: ako ne navedete jezik kojim želite usmjeriti govor modela, primjenjuje se automatsko prepoznavanje iz teksta.

zadano 1

Postavka slučajnosti govora, čiji se učinak kreće od usmjerenog, predvidljivog izgovora pri nižim postavkama do kreativnog, raznolikog izgovora pri višim postavkama.

Konfiguracija glasa koja omogućuje da više govornika čita zasebne dijelove teksta. Svakom govorniku dodijelite glas i alias speaker_id koji odgovara odgovarajućim prefiksima prompta.

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

Pokreni ovaj zahtjev

Vaš ključ ostaje u ovom pregledniku: šalje se samo Doitong API-ju i sprema u localStorage samo ako označite Zapamti. Nabavite API ključ

O modelu Gemini 3.1 Flash Tts

Pretvara `prompt` duljine do 50000 znakova u govor. Način izgovora može se usmjeravati unutar teksta ili putem `style_instructions`. Odaberite jedan od 30 glasova, postavite `language_code` ili upotrijebite `speakers` (2 do 10) za zvuk s više govornika. Izlaz je mp3, wav ili ogg_opus, uz `temperature` od 0 do 2.

Parametri

NazivVrsta ZadanoDopušteno Opis
promptobavezno
Vrstastring
≤ 50.000 znakova
Tekst za sintezu govora za Gemini 3.1 Flash TTS; retci s više govornika moraju započeti aliasima iz polja speakers, kao u 'Alice: Hello!\nBob: Hi!'. Isporuka se može precizno kontrolirati izražajnim audiokoje su oznakama kao što su [sigh], [laughing], [whispering] i [short pause] ili umetnutim uputama na prirodnom jeziku za naglasak, emociju, tempo i stil, kao u 'Say cheerfully: Have a wonderful day!'.
style_instructionsneobavezno
Vrstastring | null
≤ 4.000 znakova
Neobavezne upute na prirodnom jeziku koje se drže odvojeno od govornog sadržaja i umeću prije prompta radi oblikovanja izražajnosti, naglaska, tempa, tona i emocije. Primjeri uključuju 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' i 'Whisper mysteriously'.
voiceneobavezno
Vrstaenum
ZadanoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 višeLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Odabir glasa za jednog govornika iz 30 zasebnih unaprijed postavljenih glasova; postavljanjem speakers ovaj odabir postaje neaktivan. Popularne ženske mogućnosti su Kore, snažnog i odlučnog izgovora, Zephyr, svijetlog i jasnog izgovora, te Aoede, toplog i melodičnog izgovora; popularne muške mogućnosti su Puck, vedar i živahan, te Charon, miran i profesionalan.
language_codeneobavezno
Vrstaenum
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 višeRussian (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)
Nadjačavanje jezika višejezične sinteze: ako ne navedete jezik kojim želite usmjeriti govor modela, primjenjuje se automatsko prepoznavanje iz teksta.
speakersneobavezno
Vrstaobject[]
Konfiguracija glasa koja omogućuje da više govornika čita zasebne dijelove teksta. Svakom govorniku dodijelite glas i alias speaker_id koji odgovara odgovarajućim prefiksima prompta.
temperatureneobavezno
Vrstanumber
Zadano1
0 – 2
Postavka slučajnosti govora, čiji se učinak kreće od usmjerenog, predvidljivog izgovora pri nižim postavkama do kreativnog, raznolikog izgovora pri višim postavkama.
output_formatneobavezno
Vrstaenum
Zadanomp3
wavmp3ogg_opus
Format izlaznog audija: mp3 pruža komprimirane, kompaktne datoteke i preporučuje se; wav sadrži nekomprimirani PCM u WAV spremniku pri 24 kHz sa 16-bitnim mono audiom; ogg_opus koristi Opus unutar Ogg spremnika za povoljan omjer kvalitete i veličine.
obavezno

Izlaz

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 datoteke, vaš izborSvaki outputs[].url kopija je u našoj pohrani: čuva se zauvijek (naplaćuje se po GB-mjesecu) ili 7 dana besplatno, prema postavci računa ili ?storage=.
Isti oblik na svakom modelutype, url, content_type, width, height i duration za slike, videozapise i zvuk. output je vlastiti objekt rezultata modela.
Polja izlaza
audio
object {url, content_type, file_name, file_size}Audio datoteka proizvedena generiranjem.

Za AI agente: ova je stranica u Markdownu dostupna na https://doitong.com/hr/developers/models/gemini-3.1-flash-tts.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt