Preskoči na vsebino

Gemini TTS

Integracija

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"

Ta zahteva: ≈0,03 $ 30 API kreditov · ≈ 3,16 ₽ Zaženi na tej strani

Pridobi ključ API
Google Besedilo v govor #text-to-speech#audio#gemini

Pretvorba besedila v govor s 30 glasovi, dialogom z več govorci, navodili za slog in izbiro modela Flash ali Pro

Google · Zvok

Tukaj bo vaš prvi rezultat

Spodaj sestavite zahtevo in jo zaženite s svojim ključem API. Izhodi se kopirajo v našo shrambo, kjer se hranijo za vedno ali 7 dni brezplačno.

Ustvari zahtevo

Kontrolniki se ustvarijo iz sheme modela. Koda in cena se posodobita, ko ju spreminjate.

•obvezno 50 / 50000

Besedilo govora za Gemini TTS, ki sprejema vdelana navodila v naravnem jeziku za slog, tempo, naglas in čustva, kot je 'Say cheerfully: Have a wonderful day!'. Vstavljene oznake, vključno z [slowly], [whispering], [excited] in [extremely fast], prav tako nadzorujejo tempo in slog. Več govorcev zahteva vrstice z vzdevki iz polja speakers, na primer 'Alice: Hello!\nBob: Hi!'.

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

Izbirna navodila v naravnem jeziku, ločena od govorjene vsebine in vstavljena pred poziv, da oblikujejo izraznost, naglas, tempo, ton in čustva. Primeri vključujejo 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' in 'Whisper mysteriously'.

output_format privzeto mp3

Oblika izhodnega zvoka: mp3 zagotavlja stisnjene, kompaktne datoteke in je priporočena; wav vsebuje nestisnjen PCM v vsebniku WAV pri 24 kHz s 16-bitnim mono zvokom; ogg_opus uporablja Opus v Oggu za ugodno razmerje med kakovostjo in velikostjo.

privzeto Kore

Izbira glasu za enega govorca izmed 30 različnih prednastavitev; nastavitev speakers to izbiro deaktivira. Priljubljeni ženski možnosti sta Kore z močnim in odločnim podajanjem ter Zephyr s svetlim in jasnim podajanjem, priljubljeni moški možnosti pa sta Puck, optimističen in živahen, ter Charon, miren in profesionalen.

privzeto gemini-2.5-flash-tts

Izbira modela Gemini TTS. Za najvišjo kakovost v strukturiranih potekih dela, kot so zvočne knjige, podkasti ali podpora strankam, uporabite gemini-2.5-pro-tts.

Jezik govora za večjezično sintezo: izpustite ga, da model jezik sklepa iz vašega besedila, ali ga navedite za usmerjanje govorjenega izhoda. Podprtih je več kot 60 jezikov v Preview in 24 v GA.

privzeto 1

Nastavitev naključnosti govora, ki sega od osredotočenega, predvidljivega podajanja pri nižjih nastavitvah do ustvarjalnega, raznolikega podajanja pri višjih.

Konfiguracija govorca, podprta v gemini-2.5-pro-tts in gemini-2.5-flash-tts, ne pa v gemini-2.5-flash-lite-preview-tts. Če jo navedete, različni glasovi berejo različne dele besedila; za vsakega govorca navedite glas in vzdevek speaker_id, ki ustreza predponam njegovega poziva.

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"

Zaženi to zahtevo

Vaš ključ ostane v tem brskalniku: pošlje se samo v Doitong API in shrani v localStorage samo, če označite možnost Zapomni si. Pridobi ključ API

O modelu Gemini TTS

Pretvori do 50.000 znakov besedila v govor. Izberite `voice` in `model` gemini-2.5-flash-tts ali gemini-2.5-pro-tts. `style_instructions` (do 4000 znakov) usmerja izvedbo, `speakers` pa sprejme od 2 do 10 vnosov za večglasne skripte. Izbirni so `language_code`, `temperature` od 0 do 2 ter izhodni format wav, mp3 ali ogg_opus.

Parametri

ImeVrsta PrivzetoDovoljeno Opis
promptobvezno
Vrstastring
≤ 50.000 znakov
Besedilo govora za Gemini TTS, ki sprejema vdelana navodila v naravnem jeziku za slog, tempo, naglas in čustva, kot je 'Say cheerfully: Have a wonderful day!'. Vstavljene oznake, vključno z [slowly], [whispering], [excited] in [extremely fast], prav tako nadzorujejo tempo in slog. Več govorcev zahteva vrstice z vzdevki iz polja speakers, na primer 'Alice: Hello!\nBob: Hi!'.
style_instructionsneobvezno
Vrstastring | null
≤ 4000 znakov
Izbirna navodila v naravnem jeziku, ločena od govorjene vsebine in vstavljena pred poziv, da oblikujejo izraznost, naglas, tempo, ton in čustva. Primeri vključujejo 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' in 'Whisper mysteriously'.
voiceneobvezno
Vrstaenum
PrivzetoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 večLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Izbira glasu za enega govorca izmed 30 različnih prednastavitev; nastavitev speakers to izbiro deaktivira. Priljubljeni ženski možnosti sta Kore z močnim in odločnim podajanjem ter Zephyr s svetlim in jasnim podajanjem, priljubljeni moški možnosti pa sta Puck, optimističen in živahen, ter Charon, miren in profesionalen.
modelneobvezno
Vrstaenum
Privzetogemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Izbira modela Gemini TTS. Za najvišjo kakovost v strukturiranih potekih dela, kot so zvočne knjige, podkasti ali podpora strankam, uporabite gemini-2.5-pro-tts.
language_codeneobvezno
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 večRussian (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 večjezično sintezo: izpustite ga, da model jezik sklepa iz vašega besedila, ali ga navedite za usmerjanje govorjenega izhoda. Podprtih je več kot 60 jezikov v Preview in 24 v GA.
speakersneobvezno
Vrstaobject[]
≤ 10 elementov≥ 2 elementa
Konfiguracija govorca, podprta v gemini-2.5-pro-tts in gemini-2.5-flash-tts, ne pa v gemini-2.5-flash-lite-preview-tts. Če jo navedete, različni glasovi berejo različne dele besedila; za vsakega govorca navedite glas in vzdevek speaker_id, ki ustreza predponam njegovega poziva.
speakers[].voiceobvezno
Vrstaenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 večLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Prednastavljeni glas, dodeljen temu govorcu.
speakers[].speaker_idobvezno
Vrstastring
Vzdevek govorca, ki vsebuje samo alfanumerične znake in brez presledkov. Govorca določite tako, da besedilo poziva začnete s tem vzdevkom, kot v 'Alice: Hello! Bob: Hi there!'.
temperatureneobvezno
Vrstanumber
Privzeto1
0 – 2
Nastavitev naključnosti govora, ki sega od osredotočenega, predvidljivega podajanja pri nižjih nastavitvah do ustvarjalnega, raznolikega podajanja pri višjih.
output_formatneobvezno
Vrstaenum
Privzetomp3
wavmp3ogg_opus
Oblika izhodnega zvoka: mp3 zagotavlja stisnjene, kompaktne datoteke in je priporočena; wav vsebuje nestisnjen PCM v vsebniku WAV pri 24 kHz s 16-bitnim mono zvokom; ogg_opus uporablja Opus v Oggu za ugodno razmerje med kakovostjo in velikostjo.
obvezno

Izhod

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, vaša izbiraVsak outputs[].url je kopija v naši shrambi: hrani se za vedno (plačilo na GB-mesec) ali 7 dni brezplačno, glede na nastavitev računa ali ?storage=.
Enaka struktura pri vsakem modelutype, url, content_type, width, height in duration za slike, videoposnetke in zvok. output je lasten objekt rezultata modela.
Polja izhoda
audio
object {url, content_type, file_name, file_size}Zvočna datoteka, ustvarjena z generiranjem.

Za agente AI: ta stran je v obliki Markdown na voljo na https://doitong.com/sl/developers/models/gemini-tts.md. Vsi modeli in vodniki: https://doitong.com/developers/llms.txt