Avançar para o conteúdo

Gemini TTS

Integrar

ID do modelo 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"

Este pedido: ≈0,03 $ 30 créditos da API · ≈ 3,16 ₽ Executar nesta página

Obter chave de API
Google Texto para voz #text-to-speech#audio#gemini

Text-to-speech com 30 vozes, diálogo com vários oradores, instruções de estilo e escolha de modelo Flash ou Pro

Google · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório 50 / 50000

Texto de fala para Gemini TTS, aceitando instruções incorporadas em linguagem natural para estilo, ritmo, sotaque e emoção, como 'Say cheerfully: Have a wonderful day!'. Os marcadores inline, incluindo [slowly], [whispering], [excited] e [extremely fast], também controlam o ritmo e o estilo. Vários oradores exigem linhas que começam por aliases do campo speakers, por exemplo 'Alice: Hello!\nBob: Hi!'.

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

Instruções opcionais em linguagem natural, mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Os exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.

output_format predefinição mp3

Formato do áudio de saída: mp3 fornece ficheiros comprimidos e compactos e é recomendado; wav contém PCM não comprimido num contentor WAV a 24 kHz com áudio mono de 16 bits; ogg_opus utiliza Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.

predefinição Kore

Seleção de voz de um único orador entre 30 predefinições distintas; definir speakers torna esta seleção inativa. As opções femininas populares são Kore, com uma entrega forte e firme, Zephyr, com uma entrega clara e luminosa, e Aoede, com uma entrega calorosa e melódica; as opções masculinas populares são Puck, enérgica e animada, e Charon, calma e profissional.

predefinição gemini-2.5-flash-tts

Seleção do modelo Gemini TTS. Para obter a mais alta qualidade em fluxos de trabalho estruturados, como audiolivros, podcasts ou apoio ao cliente, utilize gemini-2.5-pro-tts.

Idioma da fala para síntese multilingue: omita-o para permitir que o modelo infira o idioma a partir do texto ou forneça-o para orientar a saída falada. A cobertura inclui mais de 60 idiomas em Preview e 24 em GA.

predefinição 1

Definição de aleatoriedade da fala, cujo efeito varia entre uma entrega focada e previsível em valores baixos e uma entrega criativa e variada em valores altos.

Configuração de oradores compatível com gemini-2.5-pro-tts e gemini-2.5-flash-tts, mas não com gemini-2.5-flash-lite-preview-tts. Fornecê-la permite que vozes diferentes leiam partes diferentes do texto; para cada orador, forneça uma voz e um alias speaker_id correspondente aos prefixos do prompt desse orador.

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

Executar este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar Lembrar. Obter uma chave de API

Sobre Gemini TTS

Converte até 50,000 caracteres de texto em fala. Selecione uma `voice` e o `model` gemini-2.5-flash-tts ou gemini-2.5-pro-tts. `style_instructions` (até 4000 caracteres) orienta a locução e `speakers` aceita 2 a 10 entradas para scripts com várias vozes. `language_code`, `temperature` de 0 a 2 e saída wav, mp3 ou ogg_opus são opcionais.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
promptobrigatório
Tipostring
≤ 50 000 caracteres
Texto de fala para Gemini TTS, aceitando instruções incorporadas em linguagem natural para estilo, ritmo, sotaque e emoção, como 'Say cheerfully: Have a wonderful day!'. Os marcadores inline, incluindo [slowly], [whispering], [excited] e [extremely fast], também controlam o ritmo e o estilo. Vários oradores exigem linhas que começam por aliases do campo speakers, por exemplo 'Alice: Hello!\nBob: Hi!'.
style_instructionsopcional
Tipostring | null
≤ 4000 caracteres
Instruções opcionais em linguagem natural, mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Os exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.
voiceopcional
Tipoenum
PredefiniçãoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Seleção de voz de um único orador entre 30 predefinições distintas; definir speakers torna esta seleção inativa. As opções femininas populares são Kore, com uma entrega forte e firme, Zephyr, com uma entrega clara e luminosa, e Aoede, com uma entrega calorosa e melódica; as opções masculinas populares são Puck, enérgica e animada, e Charon, calma e profissional.
modelopcional
Tipoenum
Predefiniçãogemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Seleção do modelo Gemini TTS. Para obter a mais alta qualidade em fluxos de trabalho estruturados, como audiolivros, podcasts ou apoio ao cliente, utilize gemini-2.5-pro-tts.
language_codeopcional
Tipoenum
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 maisRussian (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)
Idioma da fala para síntese multilingue: omita-o para permitir que o modelo infira o idioma a partir do texto ou forneça-o para orientar a saída falada. A cobertura inclui mais de 60 idiomas em Preview e 24 em GA.
speakersopcional
Tipoobject[]
≤ 10 itens≥ 2 itens
Configuração de oradores compatível com gemini-2.5-pro-tts e gemini-2.5-flash-tts, mas não com gemini-2.5-flash-lite-preview-tts. Fornecê-la permite que vozes diferentes leiam partes diferentes do texto; para cada orador, forneça uma voz e um alias speaker_id correspondente aos prefixos do prompt desse orador.
speakers[].voiceobrigatório
Tipoenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Voz predefinida atribuída a este orador.
speakers[].speaker_idobrigatório
Tipostring
Alias do orador que contém apenas caracteres alfanuméricos e nenhum espaço em branco. Identifique o orador colocando este alias como prefixo do texto do prompt, como em 'Alice: Hello! Bob: Hi there!'.
temperatureopcional
Tiponumber
Predefinição1
0 – 2
Definição de aleatoriedade da fala, cujo efeito varia entre uma entrega focada e previsível em valores baixos e uma entrega criativa e variada em valores altos.
output_formatopcional
Tipoenum
Predefiniçãomp3
wavmp3ogg_opus
Formato do áudio de saída: mp3 fornece ficheiros comprimidos e compactos e é recomendado; wav contém PCM não comprimido num contentor WAV a 24 kHz com áudio mono de 16 bits; ogg_opus utiliza Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.
obrigatório

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size}Ficheiro de áudio produzido pela geração.

Para agentes de IA: esta página em Markdown está disponível em https://doitong.com/pt-PT/developers/models/gemini-tts.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt