Pāriet uz saturu

Gemini TTS

Integrēt

Modeļa id 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"

Šis pieprasījums: ≈0,03 $ 30 API kredītu · ≈ 3,16 ₽ Izpildīt šajā lapā

Iegūt API atslēgu
Google Teksts uz runu #text-to-speech#audio#gemini

Teksta-runas pārveide ar 30 balsīm, vairāku runātāju dialogu, stila norādēm un Flash vai Pro modeļa izvēli

Google · Audio

Šeit būs jūsu pirmais rezultāts

Izveidojiet pieprasījumu tālāk un izpildiet to ar savu API atslēgu. Izvades tiek kopētas mūsu krātuvē un glabātas mūžīgi vai 7 dienas bez maksas.

Izveidot pieprasījumu

Vadīklas tiek ģenerētas no modeļa shēmas. Kods un cena tiek atjaunināti, kad tos maināt.

•obligāts 50 / 50000

Runas teksts Gemini TTS, kas pieņem iekļautas dabiskās valodas norādes par stilu, tempu, akcentu un emocijām, piemēram, 'Say cheerfully: Have a wonderful day!'. Iekļautie marķieri, tostarp [slowly], [whispering], [excited] un [extremely fast], arī kontrolē tempu un stilu. Vairākiem runātājiem nepieciešamas rindas, kas sākas ar speakers laukā norādītiem aizstājvārdiem, piemēram, 'Alice: Hello!\nBob: Hi!'.

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

Neobligātas dabiskās valodas norādes, kas tiek nošķirtas no izrunājamā satura un ievietotas pirms uzvednes, lai veidotu izteiksmīgumu, akcentu, tempu, toni un emocijas. Piemēri: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' un 'Whisper mysteriously'.

output_format noklusējums mp3

Izvades audio formāts: mp3 nodrošina saspiestus, kompaktus failus un ir ieteicams; wav satur nesaspiestu PCM WAV konteinerā ar 24 kHz un 16 bitu mono audio; ogg_opus izmanto Opus Ogg konteinerā, nodrošinot labu kvalitātes un izmēra līdzsvaru.

noklusējums Kore

Viena runātāja balss izvēle no 30 atšķirīgiem sākotnējiem iestatījumiem; speakers iestatīšana padara šo izvēli neaktīvu. Populāras sieviešu opcijas ir Kore ar spēcīgu un noteiktu izpildījumu, Zephyr ar gaišu un skaidru izpildījumu un Aoede ar siltu un melodisku izpildījumu; populāras vīriešu opcijas ir Puck — enerģisks un dzīvespriecīgs — un Charon — mierīgs un profesionāls.

noklusējums gemini-2.5-flash-tts

Gemini TTS modeļa izvēle. Visaugstākajai kvalitātei strukturētās darbplūsmās, piemēram, audiogrāmatām, aplādēm vai klientu atbalstam, izmantojiet gemini-2.5-pro-tts.

Runas valoda daudzvalodu sintēzei: neiekļaujiet to, lai modelis noteiktu valodu pēc teksta, vai norādiet to, lai vadītu izrunāto izvadi. Preview atbalsta vairāk nekā 60 valodas, bet GA — 24.

noklusējums 1

Runas nejaušības iestatījums: zemākas vērtības nodrošina koncentrētu, paredzamu izpildījumu, bet augstākas — radošu un daudzveidīgu izpildījumu.

Runātāja konfigurācija, ko atbalsta gemini-2.5-pro-tts un gemini-2.5-flash-tts, bet neatbalsta gemini-2.5-flash-lite-preview-tts. Tās norādīšana ļauj dažādām balsīm izlasīt atšķirīgas teksta daļas; katram runātājam norādiet balsi un speaker_id aizstājvārdu, kas atbilst šī runātāja uzvednes prefiksiem.

POST /run/gemini-tts?wait=20 cena → 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"

Palaist šo pieprasījumu

Jūsu atslēga paliek šajā pārlūkprogrammā: tā tiek nosūtīta tikai uz Doitong API un saglabāta (localStorage) tikai tad, ja atzīmējat Atcerēties. Iegūt API atslēgu

Par Gemini TTS

Pārvērš līdz 50,000 teksta rakstzīmēm runā. Izvēlieties `voice` un `model` gemini-2.5-flash-tts vai gemini-2.5-pro-tts. `style_instructions` (līdz 4000 rakstzīmēm) vada izrunu, bet `speakers` pieņem 2 līdz 10 ierakstus vairāku balsu scenārijiem. Pēc izvēles pieejami `language_code`, `temperature` no 0 līdz 2 un wav, mp3 vai ogg_opus izvade.

Parametri

NosaukumsTips NoklusējumsAtļauts Apraksts
promptobligāts
Tipsstring
≤ 50 000 rakstzīmju
Runas teksts Gemini TTS, kas pieņem iekļautas dabiskās valodas norādes par stilu, tempu, akcentu un emocijām, piemēram, 'Say cheerfully: Have a wonderful day!'. Iekļautie marķieri, tostarp [slowly], [whispering], [excited] un [extremely fast], arī kontrolē tempu un stilu. Vairākiem runātājiem nepieciešamas rindas, kas sākas ar speakers laukā norādītiem aizstājvārdiem, piemēram, 'Alice: Hello!\nBob: Hi!'.
style_instructionsneobligāts
Tipsstring | null
≤ 4000 rakstzīmju
Neobligātas dabiskās valodas norādes, kas tiek nošķirtas no izrunājamā satura un ievietotas pirms uzvednes, lai veidotu izteiksmīgumu, akcentu, tempu, toni un emocijas. Piemēri: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' un 'Whisper mysteriously'.
voiceneobligāts
Tipsenum
NoklusējumsKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+vēl 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Viena runātāja balss izvēle no 30 atšķirīgiem sākotnējiem iestatījumiem; speakers iestatīšana padara šo izvēli neaktīvu. Populāras sieviešu opcijas ir Kore ar spēcīgu un noteiktu izpildījumu, Zephyr ar gaišu un skaidru izpildījumu un Aoede ar siltu un melodisku izpildījumu; populāras vīriešu opcijas ir Puck — enerģisks un dzīvespriecīgs — un Charon — mierīgs un profesionāls.
modelneobligāts
Tipsenum
Noklusējumsgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS modeļa izvēle. Visaugstākajai kvalitātei strukturētās darbplūsmās, piemēram, audiogrāmatām, aplādēm vai klientu atbalstam, izmantojiet gemini-2.5-pro-tts.
language_codeneobligāts
Tipsenum
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)
+vēl 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)
Runas valoda daudzvalodu sintēzei: neiekļaujiet to, lai modelis noteiktu valodu pēc teksta, vai norādiet to, lai vadītu izrunāto izvadi. Preview atbalsta vairāk nekā 60 valodas, bet GA — 24.
speakersneobligāts
Tipsobject[]
≤ 10 vienumu≥ 2 vienumi
Runātāja konfigurācija, ko atbalsta gemini-2.5-pro-tts un gemini-2.5-flash-tts, bet neatbalsta gemini-2.5-flash-lite-preview-tts. Tās norādīšana ļauj dažādām balsīm izlasīt atšķirīgas teksta daļas; katram runātājam norādiet balsi un speaker_id aizstājvārdu, kas atbilst šī runātāja uzvednes prefiksiem.
speakers[].voiceobligāts
Tipsenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+vēl 14LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Šim runātājam piešķirtā sākotnēji iestatītā balss.
speakers[].speaker_idobligāts
Tipsstring
Runātāja aizstājvārds, kas satur tikai burtciparu rakstzīmes un atstarpes. Identificējiet runātāju, pievienojot šo aizstājvārdu pirms uzvednes teksta, piemēram, 'Alice: Hello! Bob: Hi there!'.
temperatureneobligāts
Tipsnumber
Noklusējums1
0 – 2
Runas nejaušības iestatījums: zemākas vērtības nodrošina koncentrētu, paredzamu izpildījumu, bet augstākas — radošu un daudzveidīgu izpildījumu.
output_formatneobligāts
Tipsenum
Noklusējumsmp3
wavmp3ogg_opus
Izvades audio formāts: mp3 nodrošina saspiestus, kompaktus failus un ir ieteicams; wav satur nesaspiestu PCM WAV konteinerā ar 24 kHz un 16 bitu mono audio; ogg_opus izmanto Opus Ogg konteinerā, nodrošinot labu kvalitātes un izmēra līdzsvaru.
obligāts

Izvade

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"
  }
}
Jūsu faili, jūsu izvēleKatrs outputs[].url ir kopija mūsu krātuvē: tiek glabāta mūžīgi (maksa par GB mēnesī) vai 7 dienas bez maksas — atbilstoši konta iestatījumam vai ?storage=.
Vienāda struktūra katram modelimtype, url, content_type, width, height un duration gan attēliem, gan video un audio. output ir paša modeļa rezultāta objekts.
Izvades lauki
audio
object {url, content_type, file_name, file_size}Ģenerēšanas rezultātā iegūtais audio fails.

AI aģentiem: šī lapa Markdown formātā ir pieejama https://doitong.com/lv/developers/models/gemini-tts.md. Visi modeļi un ceļveži: https://doitong.com/developers/llms.txt