உள்ளடக்கத்திற்குச் செல்க

Gemini TTS

ஒருங்கிணை

மாடல் 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"

இந்தக் கோரிக்கை: ≈$0.03 30 API கிரெடிட்கள் · ≈ ₽3.14 இந்தப் பக்கத்தில் இயக்குங்கள்

API விசையைப் பெறுக

30 குரல்கள், பல பேச்சாளர் உரையாடல், பாணி வழிமுறைகள் மற்றும் Flash அல்லது Pro மாடல் தேர்வுடன் கூடிய text-to-speech

Google · ஆடியோ

உங்கள் முதல் முடிவு இங்கே வரும்

கீழே ஒரு கோரிக்கையை உருவாக்கி, உங்கள் API விசையுடன் இயக்குங்கள். வெளியீடுகள் எங்கள் சேமிப்பகத்தில் நகலெடுக்கப்பட்டு, நிரந்தரமாக அல்லது இலவசமாக 7 நாட்கள் வைக்கப்படும்.

கோரிக்கையை உருவாக்கு

மாடல் ஸ்கீமாவிலிருந்து கட்டுப்பாடுகள் உருவாக்கப்படுகின்றன. அவற்றை மாற்றும்போது குறியீடும் விலையும் புதுப்பிக்கப்படும்.

•தேவை 50 / 50000

Gemini TTS-க்கான பேச்சு உரை; 'Say cheerfully: Have a wonderful day!' போன்ற பாணி, வேகம், உச்சரிப்பு மற்றும் உணர்ச்சிக்கான embedded இயல்புமொழி வழிமுறைகளை ஏற்கிறது. [slowly], [whispering], [excited], [extremely fast] போன்ற inline markers வேகம் மற்றும் பாணியையும் கட்டுப்படுத்தும். பல பேச்சாளர்களுக்கு speakers புலத்திலிருந்து பெறப்பட்ட alias-களால் தொடங்கும் வரிகள் தேவை; உதாரணமாக 'Alice: Hello!\nBob: Hi!'.

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

பேசப்படும் உள்ளடக்கத்திலிருந்து தனியாக வைக்கப்பட்டு, வெளிப்பாடு, உச்சரிப்பு, வேகம், தொனி மற்றும் உணர்ச்சியை வடிவமைக்க ப்ராம்ப்ட்டுக்கு முன் சேர்க்கப்படும் விருப்பமான இயல்புமொழி வழிமுறைகள். எடுத்துக்காட்டுகள்: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', மற்றும் 'Whisper mysteriously'.

output_format இயல்புநிலை mp3

வெளியீட்டு ஆடியோ வடிவம்: mp3 சுருக்கப்பட்ட, சிறிய கோப்புகளை வழங்குவதால் பரிந்துரைக்கப்படுகிறது; wav, 24 kHz-ல் 16-bit mono ஆடியோ கொண்ட சுருக்கப்படாத PCM-ஐ WAV container-ல் கொண்டுள்ளது; ogg_opus, தரம் மற்றும் அளவுக்கு இடையிலான நல்ல சமநிலைக்காக Ogg-க்குள் Opus-ஐப் பயன்படுத்துகிறது.

இயல்புநிலை Kore

30 தனித்த முன்னமைவுகளில் இருந்து ஒற்றைப் பேச்சாளர் குரல் தேர்வு; speakers அமைக்கப்பட்டால் இந்தத் தேர்வு செயலற்றதாகும். பிரபலமான பெண் விருப்பங்களில் வலிமையான, உறுதியான வழங்கலுடன் Kore, தெளிவான, ஒளிர்வான வழங்கலுடன் Zephyr, மற்றும் அன்பான, மெலோடிக் வழங்கலுடன் Aoede ஆகியவை அடங்கும்; பிரபலமான ஆண் விருப்பங்களில் உற்சாகமான, சுறுசுறுப்பான Puck மற்றும் அமைதியான, தொழில்முறை Charon ஆகியவை அடங்கும்.

இயல்புநிலை gemini-2.5-flash-tts

Gemini TTS மாதிரி தேர்வு. audiobooks, podcasts அல்லது customer support போன்ற கட்டமைக்கப்பட்ட பணிச்சூழல்களில் மிக உயர்ந்த தரத்திற்கு gemini-2.5-pro-tts-ஐப் பயன்படுத்தவும்.

பலமொழி தொகுப்புக்கான பேச்சு மொழி: உங்கள் உரையிலிருந்து மாதிரி மொழியை ஊகிக்க விட இதைத் தவிர்க்கவும்; அல்லது பேச்சு வெளியீட்டை வழிநடத்த மொழியை வழங்கவும். Preview-ல் 60+ மொழிகளும் GA-வில் 24 மொழிகளும் ஆதரிக்கப்படுகின்றன.

இயல்புநிலை 1

பேச்சின் சீரற்ற தன்மை அமைப்பு; குறைந்த அமைப்புகளில் கவனம் செலுத்திய, முன்கணிக்கக்கூடிய வழங்கலிலிருந்து அதிக அமைப்புகளில் படைப்பாற்றலான, மாறுபட்ட வழங்கல் வரை விளைவு மாறும்.

gemini-2.5-pro-tts மற்றும் gemini-2.5-flash-tts ஆதரிக்கும் பேச்சாளர் அமைப்பு; gemini-2.5-flash-lite-preview-tts இதை ஆதரிக்காது. இதை வழங்கினால் வெவ்வேறு குரல்கள் உரையின் வெவ்வேறு பகுதிகளை வாசிக்கும்; ஒவ்வொரு பேச்சாளருக்கும் அந்தப் பேச்சாளரின் ப்ராம்ப்ட் முன்னொட்டுகளுடன் பொருந்தும் குரலையும் speaker_id alias-ஐயும் வழங்கவும்.

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

இந்தக் கோரிக்கையை இயக்கு

உங்கள் key இந்த உலாவியில் மட்டுமே இருக்கும்: அது Doitong API-க்கு மட்டும் அனுப்பப்படும்; Remember-ஐத் தேர்ந்தெடுத்தால் மட்டுமே (localStorage)-ல் சேமிக்கப்படும். API விசையைப் பெறுங்கள்

Gemini TTS பற்றி

50,000 எழுத்துகள் வரையிலான உரையைப் பேச்சாக மாற்றுகிறது. `voice` ஐத் தேர்ந்தெடுத்து, `model` ஆக gemini-2.5-flash-tts அல்லது gemini-2.5-pro-tts ஐப் பயன்படுத்தலாம். `style_instructions` (அதிகபட்சம் 4000 எழுத்துகள்) வழங்கும் முறையை வழிநடத்துகிறது; பல குரல் ஸ்கிரிப்ட்களுக்கு `speakers` 2 முதல் 10 உள்ளீடுகளை ஏற்கிறது. விருப்பமான `language_code`, `temperature` 0 முதல் 2 வரை, மற்றும் wav, mp3 அல்லது ogg_opus வெளியீடு கிடைக்கின்றன.

அளவுருக்கள்

பெயர்வகை இயல்புநிலைஅனுமதிக்கப்பட்டது விளக்கம்
promptதேவை
வகைstring
≤ 50,000 எழுத்துகள்
Gemini TTS-க்கான பேச்சு உரை; 'Say cheerfully: Have a wonderful day!' போன்ற பாணி, வேகம், உச்சரிப்பு மற்றும் உணர்ச்சிக்கான embedded இயல்புமொழி வழிமுறைகளை ஏற்கிறது. [slowly], [whispering], [excited], [extremely fast] போன்ற inline markers வேகம் மற்றும் பாணியையும் கட்டுப்படுத்தும். பல பேச்சாளர்களுக்கு speakers புலத்திலிருந்து பெறப்பட்ட alias-களால் தொடங்கும் வரிகள் தேவை; உதாரணமாக 'Alice: Hello!\nBob: Hi!'.
style_instructionsவிருப்பத்தேர்வு
வகைstring | null
≤ 4,000 எழுத்துகள்
பேசப்படும் உள்ளடக்கத்திலிருந்து தனியாக வைக்கப்பட்டு, வெளிப்பாடு, உச்சரிப்பு, வேகம், தொனி மற்றும் உணர்ச்சியை வடிவமைக்க ப்ராம்ப்ட்டுக்கு முன் சேர்க்கப்படும் விருப்பமான இயல்புமொழி வழிமுறைகள். எடுத்துக்காட்டுகள்: 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone', மற்றும் 'Whisper mysteriously'.
voiceவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 மேலும்LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 தனித்த முன்னமைவுகளில் இருந்து ஒற்றைப் பேச்சாளர் குரல் தேர்வு; speakers அமைக்கப்பட்டால் இந்தத் தேர்வு செயலற்றதாகும். பிரபலமான பெண் விருப்பங்களில் வலிமையான, உறுதியான வழங்கலுடன் Kore, தெளிவான, ஒளிர்வான வழங்கலுடன் Zephyr, மற்றும் அன்பான, மெலோடிக் வழங்கலுடன் Aoede ஆகியவை அடங்கும்; பிரபலமான ஆண் விருப்பங்களில் உற்சாகமான, சுறுசுறுப்பான Puck மற்றும் அமைதியான, தொழில்முறை Charon ஆகியவை அடங்கும்.
modelவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைgemini-2.5-flash-tts
gemini-2.5-flash-ttsgemini-2.5-pro-tts
Gemini TTS மாதிரி தேர்வு. audiobooks, podcasts அல்லது customer support போன்ற கட்டமைக்கப்பட்ட பணிச்சூழல்களில் மிக உயர்ந்த தரத்திற்கு gemini-2.5-pro-tts-ஐப் பயன்படுத்தவும்.
language_codeவிருப்பத்தேர்வு
வகைenum
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 மேலும்Russian (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)
பலமொழி தொகுப்புக்கான பேச்சு மொழி: உங்கள் உரையிலிருந்து மாதிரி மொழியை ஊகிக்க விட இதைத் தவிர்க்கவும்; அல்லது பேச்சு வெளியீட்டை வழிநடத்த மொழியை வழங்கவும். Preview-ல் 60+ மொழிகளும் GA-வில் 24 மொழிகளும் ஆதரிக்கப்படுகின்றன.
speakersவிருப்பத்தேர்வு
வகைobject[]
≤ 10 உருப்படிகள்≥ 2 உருப்படிகள்
gemini-2.5-pro-tts மற்றும் gemini-2.5-flash-tts ஆதரிக்கும் பேச்சாளர் அமைப்பு; gemini-2.5-flash-lite-preview-tts இதை ஆதரிக்காது. இதை வழங்கினால் வெவ்வேறு குரல்கள் உரையின் வெவ்வேறு பகுதிகளை வாசிக்கும்; ஒவ்வொரு பேச்சாளருக்கும் அந்தப் பேச்சாளரின் ப்ராம்ப்ட் முன்னொட்டுகளுடன் பொருந்தும் குரலையும் speaker_id alias-ஐயும் வழங்கவும்.
speakers[].voiceதேவை
வகைenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 மேலும்LaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
இந்தப் பேச்சாளருக்கு ஒதுக்கப்பட்ட முன்னமைவு குரல்.
speakers[].speaker_idதேவை
வகைstring
எழுத்துகள் மற்றும் எண்கள் மட்டுமே கொண்ட, whitespace இல்லாத பேச்சாளர் alias. 'Alice: Hello! Bob: Hi there!' போல, ப்ராம்ப்ட் உரைக்கு முன் இந்த alias-ஐ வைத்து பேச்சாளரை அடையாளம் காணவும்.
temperatureவிருப்பத்தேர்வு
வகைnumber
இயல்புநிலை1
0 – 2
பேச்சின் சீரற்ற தன்மை அமைப்பு; குறைந்த அமைப்புகளில் கவனம் செலுத்திய, முன்கணிக்கக்கூடிய வழங்கலிலிருந்து அதிக அமைப்புகளில் படைப்பாற்றலான, மாறுபட்ட வழங்கல் வரை விளைவு மாறும்.
output_formatவிருப்பத்தேர்வு
வகைenum
இயல்புநிலைmp3
wavmp3ogg_opus
வெளியீட்டு ஆடியோ வடிவம்: mp3 சுருக்கப்பட்ட, சிறிய கோப்புகளை வழங்குவதால் பரிந்துரைக்கப்படுகிறது; wav, 24 kHz-ல் 16-bit mono ஆடியோ கொண்ட சுருக்கப்படாத PCM-ஐ WAV container-ல் கொண்டுள்ளது; ogg_opus, தரம் மற்றும் அளவுக்கு இடையிலான நல்ல சமநிலைக்காக Ogg-க்குள் Opus-ஐப் பயன்படுத்துகிறது.
தேவை

வெளியீடு

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"
  }
}
உங்கள் கோப்புகள், உங்கள் தேர்வுஒவ்வொரு outputs[].url-ம் எங்கள் சேமிப்பகத்தில் உள்ள ஒரு நகல்: நிரந்தரமாக (GB-மாதத்திற்கு கட்டணம்) அல்லது உங்கள் கணக்கு அமைப்பு அல்லது ?storage= மூலம் இலவசமாக 7 நாட்கள் வைக்கப்படும்.
ஒவ்வொரு மாடலிலும் ஒரே வடிவம்படங்கள், வீடியோ மற்றும் ஆடியோ ஆகிய அனைத்திற்குமான type, url, content_type, width, height மற்றும் duration. output என்பது மாதிரியின் சொந்த முடிவு பொருளாகும்.
வெளியீட்டின் புலங்கள்
audio
object {url, content_type, file_name, file_size}உருவாக்கத்தால் தயாரிக்கப்படும் ஆடியோ கோப்பு.

AI ஏஜெண்டுகளுக்கு: இந்தப் பக்கம் Markdown வடிவில் இங்கே உள்ளது https://doitong.com/ta/developers/models/gemini-tts.md. அனைத்து மாடல்களும் வழிகாட்டிகளும்: https://doitong.com/developers/llms.txt