ข้ามไปยังเนื้อหา

Gemini 3.8 Flash TTS

ผสานการทำงาน

ID โมเดล google/gemini-3.8-flash-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/google/gemini-3.8-flash-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"

คำขอนี้: ≈$0.045 45 เครดิต API · ≈ ₽4.71 เรียกใช้ในหน้านี้

รับคีย์ API
Google ข้อความเป็นเสียงพูด รวดเร็ว #text-to-speech#audio#dialogue#voiceover

การแปลงข้อความเป็นเสียง Gemini 3.8 Flash มาตรฐานสำหรับการบรรยายหรือบทสนทนาสองผู้พูด พร้อมเสียง 30 แบบ

Google · เสียง

ผลลัพธ์แรกของคุณจะแสดงที่นี่

สร้างคำขอด้านล่างและเรียกใช้ด้วยคีย์ API ของคุณ เอาต์พุตจะถูกคัดลอกไปยังพื้นที่จัดเก็บของเรา และเก็บไว้ตลอดไปหรือฟรี 7 วัน

สร้างคำขอ

ตัวควบคุมสร้างจากสคีมาของโมเดล โค้ดและราคาจะอัปเดตเมื่อคุณเปลี่ยนค่า

ข้อความที่จะให้อ่านตามทุกคำสำหรับผู้พูดคนเดียว หากเป็นบทสนทนาให้ใช้ speakers และ turns โดยไม่ต้องใส่ พรอมต์ ใช้ style_instructions เพื่อระบุแนวทางการพูด และแทรกแท็ก <laugh> หรือ <sigh> ในข้อความเพื่อระบุการหัวเราะหรือถอนหายใจ ผู้ให้บริการจำกัดอินพุตทั้งหมดไว้ไม่เกิน 8,192 โทเค็น

ขั้นสูง style_instructions · voice · enable_safety_checker · speakers · turns

คำแนะนำเริ่มต้นสำหรับการส่งเสียงในทุกเทิร์น ซึ่งสามารถเขียนทับได้ คำแนะนำเหล่านี้ไม่ใช่ส่วนหนึ่งของบทถอดเสียงที่พูด

ค่าเริ่มต้น Kore

เสียงพรีเซ็ตที่ใช้สำหรับการพูดของผู้พูดคนเดียว

การกำหนดค่าผู้พูดในบทสนทนาที่มีนามแฝงแตกต่างกันสองรายการพอดี โดยแต่ละรายการจับคู่กับเสียงที่สร้างไว้ล่วงหน้า

ลำดับเทิร์นของบทสนทนา โดยระบุผู้พูดที่กำหนดค่าไว้สำหรับแต่ละเทิร์น

POST /run/google/gemini-3.8-flash-tts?wait=20 ใบเสนอราคา → $0.045
# 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/google/gemini-3.8-flash-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"

เรียกใช้คำขอนี้

คีย์ของคุณจะอยู่ในเบราว์เซอร์นี้ โดยส่งไปยัง Doitong API เท่านั้น และจะบันทึกใน localStorage ก็ต่อเมื่อคุณเลือกจดจำ รับคีย์ API

เกี่ยวกับ Gemini 3.8 Flash TTS

สร้างเสียง WAV จาก `prompt` โดยใช้หนึ่งในเสียงสำเร็จรูป 30 แบบ หรือใช้ `speakers` สองรายการและรายการ `turns` สำหรับบทสนทนา `style_instructions` กำหนดการถ่ายทอดเสียงแยกจากบทถอดเสียง และใช้กับทุก turn ได้ รองรับเหตุการณ์เสียงพูดแบบแทรกในข้อความ เช่น <laugh> และ <sigh>

พารามิเตอร์

ชื่อประเภท ค่าเริ่มต้นค่าที่อนุญาต คำอธิบาย
promptไม่บังคับ
ประเภทstring | null
ข้อความที่จะให้อ่านตามทุกคำสำหรับผู้พูดคนเดียว หากเป็นบทสนทนาให้ใช้ speakers และ turns โดยไม่ต้องใส่ พรอมต์ ใช้ style_instructions เพื่อระบุแนวทางการพูด และแทรกแท็ก <laugh> หรือ <sigh> ในข้อความเพื่อระบุการหัวเราะหรือถอนหายใจ ผู้ให้บริการจำกัดอินพุตทั้งหมดไว้ไม่เกิน 8,192 โทเค็น
style_instructionsไม่บังคับ
ประเภทstring | null
คำแนะนำเริ่มต้นสำหรับการส่งเสียงในทุกเทิร์น ซึ่งสามารถเขียนทับได้ คำแนะนำเหล่านี้ไม่ใช่ส่วนหนึ่งของบทถอดเสียงที่พูด
voiceไม่บังคับ
ประเภทenum
ค่าเริ่มต้นKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
เพิ่มเติมอีก 14 ค่าLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
เสียงพรีเซ็ตที่ใช้สำหรับการพูดของผู้พูดคนเดียว
speakersไม่บังคับ
ประเภทobject[]
≤ 2 รายการ≥ 2 รายการ
การกำหนดค่าผู้พูดในบทสนทนาที่มีนามแฝงแตกต่างกันสองรายการพอดี โดยแต่ละรายการจับคู่กับเสียงที่สร้างไว้ล่วงหน้า
speakers[].speaker_idจำเป็น
ประเภทstring
≥ 1 characters
นามแฝงที่ระบุผู้พูดในแต่ละเทิร์น
speakers[].voiceจำเป็น
ประเภทenum
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
เพิ่มเติมอีก 14 ค่าLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
เสียงพรีเซ็ตที่กำหนดให้ผู้พูดคนนี้
turnsไม่บังคับ
ประเภทobject[]
ลำดับเทิร์นของบทสนทนา โดยระบุผู้พูดที่กำหนดค่าไว้สำหรับแต่ละเทิร์น
turns[].speaker_idจำเป็น
ประเภทstring
≥ 1 characters
นามแฝงที่ระบุผู้พูดจากการกำหนดค่า
turns[].textจำเป็น
ประเภทstring
≥ 1 characters
บทถอดเสียงที่ต้องการให้พูดในเทิร์นนี้อย่างตรงตามต้นฉบับ
turns[].style_instructionsไม่บังคับ
ประเภทstring | null
รูปแบบการส่งเสียงเสริมสำหรับเทิร์นนี้
enable_safety_checkerไม่บังคับ
ประเภทboolean
ค่าเริ่มต้นtrue
สามารถผ่อนปรนการคัดกรองได้โดยตั้งค่าเป็น false หากผู้เรียกมีสิทธิ์
จำเป็น

เอาต์พุต

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "google/gemini-3.8-flash-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": 45,
    "usd": "0.045",
    "charged": 45,
    "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"
  }
}
ไฟล์ของคุณ คุณเลือกเองทุก outputs[].url คือสำเนาบนพื้นที่จัดเก็บของเรา: เก็บไว้ตลอดไป (คิดค่าบริการต่อ GB-เดือน) หรือฟรี 7 วัน โดยกำหนดได้ในการตั้งค่าบัญชีหรือ ?storage=
รูปแบบเดียวกันในทุกโมเดลtype, url, content_type, width, height และ duration สำหรับภาพ วิดีโอ และเสียงเหมือนกันทั้งหมด ส่วน output คือออบเจ็กต์ผลลัพธ์ของโมเดลเอง
ฟิลด์ของเอาต์พุต
audio
object {url, content_type, file_name, file_size}เสียงเอาต์พุตในรูปแบบ WAV

โมเดลเพิ่มเติม: ข้อความเป็นเสียงพูด

สำหรับเอเจนต์ AI: หน้า Markdown นี้อยู่ที่ https://doitong.com/th/developers/models/google/gemini-3.8-flash-tts.md. โมเดลและคู่มือทั้งหมด: https://doitong.com/developers/llms.txt