مواد پر جائیں

Gemini 3.1 Flash Tts

انٹیگریٹ کریں

ماڈل id gemini-3.1-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/gemini-3.1-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"

یہ درخواست: ⁨$0.003⁩ 3 API کریڈٹس · ≈ ⁨₽0.31⁩ اس صفحے پر چلائیں

API کلید حاصل کریں
Google متن سے آواز لِپ سنکتیز #lipsync#avatar

Gemini 3.1 Flash ٹیکسٹ ٹو اسپیچ، ان لائن انداز کنٹرول، 30 آوازوں اور 10 اسپیکرز تک کے ساتھ

Google · آڈیو

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی 50 / 50000

Gemini 3.1 Flash TTS کے لیے تقریر میں تبدیل کیا جانے والا متن؛ متعدد بولنے والوں کی سطریں speakers فیلڈ کے عرفی ناموں سے شروع ہونی چاہییں، جیسے 'Alice: Hello!\nBob: Hi!'۔ ادائیگی پر باریک کنٹرول کے لیے تاثراتی آڈیو ٹیگز جیسے [sigh]، [laughing]، [whispering]، اور [short pause]، یا لہجے، جذبات، رفتار اور انداز کے لیے متن کے اندر فطری زبان کی ہدایات استعمال کی جا سکتی ہیں، جیسے 'Say cheerfully: Have a wonderful day!'۔

ایڈوانسڈ style_instructions · output_format · voice · language_code · temperature · speakers
0 / 4000

spoken content سے الگ رکھی جانے والی اختیاری قدرتی زبان کی ہدایات، جو expressiveness، accent، pace، tone اور emotion کو تشکیل دینے کے لیے پرامپٹ سے پہلے شامل کی جاتی ہیں۔ مثالیں: 'Speak warmly and slowly'، 'Read this as a dramatic newscast'، 'Use a British accent with a cheerful tone'، اور 'Whisper mysteriously'.

output_format ڈیفالٹ mp3

آؤٹ پٹ آڈیو کا فارمیٹ: mp3 کمپریس شدہ، کم حجم فائلیں فراہم کرتا ہے اور تجویز کردہ ہے؛ wav میں WAV کنٹینر کے اندر غیر کمپریس شدہ PCM ہوتا ہے، جس میں 24 kHz پر 16-bit مونو آڈیو ہوتی ہے؛ ogg_opus معیار اور حجم میں اچھے توازن کے لیے Ogg کے اندر Opus استعمال کرتا ہے۔

ڈیفالٹ Kore

30 distinct presets میں سے single-speaker voice کا انتخاب؛ speakers setting کرنے پر یہ انتخاب غیر فعال ہو جاتا ہے۔ مقبول female options Kore، مضبوط اور پُراعتماد انداز کے ساتھ، Zephyr، روشن اور واضح انداز کے ساتھ، اور Aoede، گرمجوش اور نغماتی انداز کے ساتھ ہیں؛ مقبول male options Puck، پُرجوش اور زندہ دل، اور Charon، پُرسکون اور پیشہ ورانہ ہیں۔

Multilingual synthesis language override: زبان بتانے پر ماڈل کی speech کو اس زبان کی طرف موڑا جاتا ہے، ورنہ text سے خودکار detection ہوتی ہے۔

ڈیفالٹ 1

Speech randomness setting؛ کم settings پر focused، predictable delivery سے زیادہ settings پر creative، varied delivery تک اثر انداز ہوتی ہے۔

آواز کی ترتیب جو متعدد بولنے والوں کو متن کے الگ الگ حصے پڑھنے کے قابل بناتی ہے۔ ہر بولنے والے کو ایک آواز اور speaker_id عرفی نام دیں جو پرامپٹ میں اس کے متعلقہ سابقوں سے مطابقت رکھتا ہو۔

POST /run/gemini-3.1-flash-tts?wait=20 قیمت → ⁨$0.003⁩
# 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-3.1-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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Gemini 3.1 Flash Tts کے بارے میں

50000 حروف تک کے `prompt` کو اسپیچ میں تبدیل کرتا ہے۔ ادائیگی کو ان لائن یا `style_instructions` کے ذریعے کنٹرول کیا جا سکتا ہے۔ 30 آوازوں میں سے ایک منتخب کریں، `language_code` مقرر کریں، یا ملٹی اسپیکر آڈیو کے لیے `speakers` (2 سے 10) استعمال کریں۔ آؤٹ پٹ mp3، wav یا ogg_opus ہے، جبکہ `temperature` 0 سے 2 تک ہو سکتی ہے۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
promptلازمی
قسمstring
≤ 50,000 کریکٹرز
Gemini 3.1 Flash TTS کے لیے تقریر میں تبدیل کیا جانے والا متن؛ متعدد بولنے والوں کی سطریں speakers فیلڈ کے عرفی ناموں سے شروع ہونی چاہییں، جیسے 'Alice: Hello!\nBob: Hi!'۔ ادائیگی پر باریک کنٹرول کے لیے تاثراتی آڈیو ٹیگز جیسے [sigh]، [laughing]، [whispering]، اور [short pause]، یا لہجے، جذبات، رفتار اور انداز کے لیے متن کے اندر فطری زبان کی ہدایات استعمال کی جا سکتی ہیں، جیسے 'Say cheerfully: Have a wonderful day!'۔
style_instructionsاختیاری
قسمstring | null
≤ 4,000 کریکٹرز
spoken content سے الگ رکھی جانے والی اختیاری قدرتی زبان کی ہدایات، جو expressiveness، accent، pace، tone اور emotion کو تشکیل دینے کے لیے پرامپٹ سے پہلے شامل کی جاتی ہیں۔ مثالیں: 'Speak warmly and slowly'، 'Read this as a dramatic newscast'، 'Use a British accent with a cheerful tone'، اور 'Whisper mysteriously'.
voiceاختیاری
قسمenum
ڈیفالٹKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 مزیدLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
30 distinct presets میں سے single-speaker voice کا انتخاب؛ speakers setting کرنے پر یہ انتخاب غیر فعال ہو جاتا ہے۔ مقبول female options Kore، مضبوط اور پُراعتماد انداز کے ساتھ، Zephyr، روشن اور واضح انداز کے ساتھ، اور Aoede، گرمجوش اور نغماتی انداز کے ساتھ ہیں؛ مقبول male options Puck، پُرجوش اور زندہ دل، اور Charon، پُرسکون اور پیشہ ورانہ ہیں۔
language_codeاختیاری
قسمenum
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 مزیدRussian (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)
Multilingual synthesis language override: زبان بتانے پر ماڈل کی speech کو اس زبان کی طرف موڑا جاتا ہے، ورنہ text سے خودکار detection ہوتی ہے۔
speakersاختیاری
قسمobject[]
آواز کی ترتیب جو متعدد بولنے والوں کو متن کے الگ الگ حصے پڑھنے کے قابل بناتی ہے۔ ہر بولنے والے کو ایک آواز اور speaker_id عرفی نام دیں جو پرامپٹ میں اس کے متعلقہ سابقوں سے مطابقت رکھتا ہو۔
temperatureاختیاری
قسمnumber
ڈیفالٹ1
0 – 2
Speech randomness setting؛ کم settings پر focused، predictable delivery سے زیادہ settings پر creative، varied delivery تک اثر انداز ہوتی ہے۔
output_formatاختیاری
قسمenum
ڈیفالٹmp3
wavmp3ogg_opus
آؤٹ پٹ آڈیو کا فارمیٹ: mp3 کمپریس شدہ، کم حجم فائلیں فراہم کرتا ہے اور تجویز کردہ ہے؛ wav میں WAV کنٹینر کے اندر غیر کمپریس شدہ PCM ہوتا ہے، جس میں 24 kHz پر 16-bit مونو آڈیو ہوتی ہے؛ ogg_opus معیار اور حجم میں اچھے توازن کے لیے Ogg کے اندر Opus استعمال کرتا ہے۔
لازمی

آؤٹ پٹ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "gemini-3.1-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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
audio
object {url, content_type, file_name, file_size}تخلیق سے تیار کردہ آڈیو فائل۔

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/gemini-3.1-flash-tts.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt