Prijeđi na sadržaj

Gemini TTS

Integriraj

ID modela 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"

Ovaj zahtjev: ≈0,03 $ 30 API kredita · ≈ 3,16 ₽ Pokreni na ovoj stranici

Nabavi API ključ
Google Tekst u govor #text-to-speech#audio#gemini

Text-to-speech s 30 glasova, dijalogom s više govornika, uputama za stil i izborom Flash ili Pro modela

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 govora za Gemini TTS koji prihvaća ugrađene upute na prirodnom jeziku za stil, tempo, naglasak i emociju, kao što je 'Say cheerfully: Have a wonderful day!'. Umetnute oznake, uključujući [slowly], [whispering], [excited] i [extremely fast], također upravljaju tempom i stilom. Za više govornika potrebni su retci koji počinju aliasima iz polja speakers, primjerice 'Alice: Hello!\nBob: Hi!'.

Napredno style_instructions · output_format · voice · model · 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.

zadano gemini-2.5-flash-tts

Odabir Gemini TTS modela. Za najvišu kvalitetu u strukturiranim radnim procesima kao što su audioknjige, podcasti ili korisnička podrška koristite gemini-2.5-pro-tts.

Jezik govora za višejezičnu sintezu: izostavite ga kako bi model zaključio jezik iz vašeg teksta ili ga navedite da biste usmjerili govorni izlaz. Pokrivenost uključuje više od 60 jezika u Previewu i 24 u GA-u.

zadano 1

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

Konfiguracija govornika koju podržavaju gemini-2.5-pro-tts i gemini-2.5-flash-tts, ali ne i gemini-2.5-flash-lite-preview-tts. Navođenjem se omogućuje da različiti glasovi čitaju različite dijelove teksta; za svakog govornika navedite glas i alias speaker_id koji odgovara prefiksima prompta tog govornika.

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

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 TTS

Pretvara do 50,000 znakova teksta u govor. Odaberite `voice` i `model` gemini-2.5-flash-tts ili gemini-2.5-pro-tts. `style_instructions` (do 4000 znakova) usmjerava način izgovora, a `speakers` prima 2 do 10 unosa za skripte s više glasova. Neobavezni su `language_code`, `temperature` od 0 do 2 te wav, mp3 ili ogg_opus izlaz.

Parametri

NazivVrsta ZadanoDopušteno Opis
promptobavezno
Vrstastring
≤ 50.000 znakova
Tekst govora za Gemini TTS koji prihvaća ugrađene upute na prirodnom jeziku za stil, tempo, naglasak i emociju, kao što je 'Say cheerfully: Have a wonderful day!'. Umetnute oznake, uključujući [slowly], [whispering], [excited] i [extremely fast], također upravljaju tempom i stilom. Za više govornika potrebni su retci koji počinju aliasima iz polja speakers, primjerice 'Alice: Hello!\nBob: Hi!'.
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.
modelneobavezno
Vrstaenum
Zadanogemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Odabir Gemini TTS modela. Za najvišu kvalitetu u strukturiranim radnim procesima kao što su audioknjige, podcasti ili korisnička podrška koristite gemini-2.5-pro-tts.
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)
Jezik govora za višejezičnu sintezu: izostavite ga kako bi model zaključio jezik iz vašeg teksta ili ga navedite da biste usmjerili govorni izlaz. Pokrivenost uključuje više od 60 jezika u Previewu i 24 u GA-u.
speakersneobavezno
Vrstaobject[]
≤ 10 stavki≥ 2 stavke
Konfiguracija govornika koju podržavaju gemini-2.5-pro-tts i gemini-2.5-flash-tts, ali ne i gemini-2.5-flash-lite-preview-tts. Navođenjem se omogućuje da različiti glasovi čitaju različite dijelove teksta; za svakog govornika navedite glas i alias speaker_id koji odgovara prefiksima prompta tog govornika.
speakers[].voiceobavezno
Vrstaenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 višeLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Unaprijed postavljeni glas dodijeljen ovom govorniku.
speakers[].speaker_idobavezno
Vrstastring
Alias govornika koji sadrži samo alfanumeričke znakove i nema razmake. Govornika identificirajte tako da tekst njegova prompta započnete ovim aliasom, kao u 'Alice: Hello! Bob: Hi there!'.
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-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"
  }
}
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-tts.md. Svi modeli i vodiči: https://doitong.com/developers/llms.txt