Bỏ qua đến nội dung

Gemini 3.1 Flash Tts

Tích hợp

Id mô hình 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"

Yêu cầu này: 0,003 $ 3 tín dụng API · ≈ 0,31 ₽ Chạy trên trang này

Lấy khóa API
Google Văn bản sang giọng nói LipsyncNhanh #avatar

Gemini 3.1 Flash chuyển văn bản thành giọng nói với điều khiển phong cách nội tuyến, 30 giọng và tối đa 10 người nói

Google · Âm thanh

Kết quả đầu tiên của bạn sẽ xuất hiện ở đây

Tạo một yêu cầu bên dưới và chạy bằng khóa API của bạn. Đầu ra được sao chép vào bộ lưu trữ của chúng tôi, giữ vĩnh viễn hoặc 7 ngày miễn phí.

Tạo một yêu cầu

Các điều khiển được tạo từ lược đồ mô hình. Mã và giá sẽ cập nhật khi bạn thay đổi chúng.

•bắt buộc 50 / 50000

Văn bản tổng hợp giọng nói cho Gemini 3.1 Flash TTS; các dòng nhiều người nói phải bắt đầu bằng bí danh từ trường speakers, như trong 'Alice: Hello!\nBob: Hi!'. Có thể kiểm soát tinh vi cách truyền đạt bằng các thẻ âm thanh biểu cảm như [sigh], [laughing], [whispering] và [short pause], hoặc bằng hướng dẫn ngôn ngữ tự nhiên nội tuyến về giọng, cảm xúc, nhịp độ và kiểu, chẳng hạn 'Say cheerfully: Have a wonderful day!'.

Nâng cao style_instructions · output_format · voice · language_code · temperature · speakers
0 / 4000

Hướng dẫn ngôn ngữ tự nhiên tùy chọn, được giữ riêng khỏi nội dung nói và chèn trước lời nhắc để định hình tính biểu cảm, giọng, tốc độ, âm sắc và cảm xúc. Ví dụ gồm 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' và 'Whisper mysteriously'.

output_format mặc định mp3

Định dạng âm thanh đầu ra: mp3 cung cấp tệp nén, nhỏ gọn và được khuyến nghị; wav chứa PCM không nén trong vùng chứa WAV ở 24 kHz với âm thanh mono 16-bit; ogg_opus dùng Opus bên trong Ogg để cân bằng tốt giữa chất lượng và kích thước.

mặc định Kore

Lựa chọn giọng cho một người nói từ 30 giá trị đặt sẵn khác nhau; việc thiết lập speakers sẽ vô hiệu lựa chọn này. Các tùy chọn nữ phổ biến gồm Kore, với cách truyền đạt mạnh mẽ và dứt khoát, Zephyr, với cách truyền đạt sáng và rõ, và Aoede, với cách truyền đạt ấm áp, du dương; các tùy chọn nam phổ biến gồm Puck, sôi nổi và hoạt bát, cùng Charon, điềm tĩnh và chuyên nghiệp.

Ghi đè ngôn ngữ tổng hợp đa ngôn ngữ: nếu không chỉ định ngôn ngữ, hệ thống sẽ tự động nhận diện từ văn bản để định hướng giọng nói của mô hình.

mặc định 1

Thiết lập độ ngẫu nhiên của giọng nói, từ cách truyền đạt tập trung, dễ đoán ở mức thấp đến cách truyền đạt sáng tạo, đa dạng ở mức cao.

Cấu hình giọng cho phép nhiều người nói đọc các phần văn bản riêng biệt. Gán cho mỗi người nói một giọng cùng bí danh speaker_id khớp với tiền tố tương ứng trong lời nhắc.

POST /run/gemini-3.1-flash-tts?wait=20 báo giá → 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"

Chạy yêu cầu này

Key của bạn vẫn nằm trong trình duyệt này: key chỉ được gửi đến Doitong API và chỉ được lưu trong localStorage nếu bạn chọn Ghi nhớ. Nhận khóa API

Giới thiệu về Gemini 3.1 Flash Tts

Chuyển `prompt` tối đa 50000 ký tự thành giọng nói. Có thể điều khiển cách đọc nội tuyến hoặc qua `style_instructions`. Chọn một trong 30 giọng, đặt `language_code` hoặc dùng `speakers` (2 đến 10) cho âm thanh nhiều người nói. Đầu ra là mp3, wav hoặc ogg_opus, với `temperature` từ 0 đến 2.

Tham số

TênKiểu Mặc địnhĐược phép Mô tả
promptbắt buộc
Kiểustring
≤ 50.000 ký tự
Văn bản tổng hợp giọng nói cho Gemini 3.1 Flash TTS; các dòng nhiều người nói phải bắt đầu bằng bí danh từ trường speakers, như trong 'Alice: Hello!\nBob: Hi!'. Có thể kiểm soát tinh vi cách truyền đạt bằng các thẻ âm thanh biểu cảm như [sigh], [laughing], [whispering] và [short pause], hoặc bằng hướng dẫn ngôn ngữ tự nhiên nội tuyến về giọng, cảm xúc, nhịp độ và kiểu, chẳng hạn 'Say cheerfully: Have a wonderful day!'.
style_instructionstùy chọn
Kiểustring | null
≤ 4.000 ký tự
Hướng dẫn ngôn ngữ tự nhiên tùy chọn, được giữ riêng khỏi nội dung nói và chèn trước lời nhắc để định hình tính biểu cảm, giọng, tốc độ, âm sắc và cảm xúc. Ví dụ gồm 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' và 'Whisper mysteriously'.
voicetùy chọn
Kiểuenum
Mặc địnhKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 giá trị khácLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Lựa chọn giọng cho một người nói từ 30 giá trị đặt sẵn khác nhau; việc thiết lập speakers sẽ vô hiệu lựa chọn này. Các tùy chọn nữ phổ biến gồm Kore, với cách truyền đạt mạnh mẽ và dứt khoát, Zephyr, với cách truyền đạt sáng và rõ, và Aoede, với cách truyền đạt ấm áp, du dương; các tùy chọn nam phổ biến gồm Puck, sôi nổi và hoạt bát, cùng Charon, điềm tĩnh và chuyên nghiệp.
language_codetùy chọn
Kiểuenum
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 giá trị khácRussian (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)
Ghi đè ngôn ngữ tổng hợp đa ngôn ngữ: nếu không chỉ định ngôn ngữ, hệ thống sẽ tự động nhận diện từ văn bản để định hướng giọng nói của mô hình.
speakerstùy chọn
Kiểuobject[]
Cấu hình giọng cho phép nhiều người nói đọc các phần văn bản riêng biệt. Gán cho mỗi người nói một giọng cùng bí danh speaker_id khớp với tiền tố tương ứng trong lời nhắc.
temperaturetùy chọn
Kiểunumber
Mặc định1
0 – 2
Thiết lập độ ngẫu nhiên của giọng nói, từ cách truyền đạt tập trung, dễ đoán ở mức thấp đến cách truyền đạt sáng tạo, đa dạng ở mức cao.
output_formattùy chọn
Kiểuenum
Mặc địnhmp3
wavmp3ogg_opus
Định dạng âm thanh đầu ra: mp3 cung cấp tệp nén, nhỏ gọn và được khuyến nghị; wav chứa PCM không nén trong vùng chứa WAV ở 24 kHz với âm thanh mono 16-bit; ogg_opus dùng Opus bên trong Ogg để cân bằng tốt giữa chất lượng và kích thước.
bắt buộc

Đầu ra

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"
  }
}
Tệp của bạn, lựa chọn của bạnMỗi outputs[].url là một bản sao trên bộ lưu trữ của chúng tôi: được giữ vĩnh viễn (tính phí theo GB-tháng) hoặc 7 ngày miễn phí, theo cài đặt tài khoản hoặc ?storage=.
Cùng một cấu trúc trên mọi mô hìnhtype, url, content_type, width, height và duration cho hình ảnh, video và âm thanh. output là đối tượng kết quả riêng của mô hình.
Các trường đầu ra
audio
object {url, content_type, file_name, file_size}Tệp âm thanh được tạo sinh.

Dành cho tác nhân AI: trang này ở dạng Markdown tại https://doitong.com/vi/developers/models/gemini-3.1-flash-tts.md. Tất cả mô hình và hướng dẫn: https://doitong.com/developers/llms.txt