Ir al contenido

Gemini 3.1 Flash Tts

Integrar

ID del modelo 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"

Esta solicitud: $0.003 3 créditos de API · ≈ ₽0.32 Ejecutar en esta página

Obtener clave de API
Google Texto a voz Sincronización labialRápido #lipsync#avatar

Texto a voz de Gemini 3.1 Flash con control de estilo integrado, 30 voces y hasta 10 hablantes

Google · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio 50 / 50000

Texto de síntesis de voz para Gemini 3.1 Flash TTS; las líneas de varios hablantes deben comenzar con alias del campo speakers, como en 'Alice: Hello!\nBob: Hi!'. La entrega puede controlarse con precisión mediante etiquetas de audio expresivas como [sigh], [laughing], [whispering] y [short pause], o con indicaciones de lenguaje natural en línea para acento, emoción, ritmo y estilo, como 'Say cheerfully: Have a wonderful day!'.

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

Indicaciones opcionales de lenguaje natural mantenidas separadas del contenido hablado e insertadas antes del prompt para definir expresividad, acento, ritmo, tono y emoción. Algunos ejemplos son 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' y 'Whisper mysteriously'.

output_format predeterminado mp3

Formato del audio de salida: mp3 proporciona archivos comprimidos y compactos, y se recomienda; wav contiene PCM sin comprimir en un contenedor WAV a 24 kHz con audio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para lograr un equilibrio favorable entre calidad y tamaño.

predeterminado Kore

Selección de voz para un solo hablante entre 30 valores predeterminados distintos; establecer speakers desactiva esta selección. Las opciones femeninas populares son Kore, con una entrega firme y contundente, y Zephyr, con una entrega clara y luminosa; la opción masculina popular Puck es animada y enérgica, y Charon es tranquila y profesional.

Anulación del idioma de síntesis multilingüe: se aplica la detección automática del texto salvo que especifiques un idioma para orientar el habla del modelo.

predeterminado 1

Configuración de aleatoriedad del habla, que va desde una entrega enfocada y predecible en valores bajos hasta una entrega creativa y variada en valores altos.

Configuración de voz que permite que varios hablantes lean partes separadas del texto. Asigna a cada hablante una voz y un alias speaker_id que coincida con los prefijos correspondientes del prompt.

POST /run/gemini-3.1-flash-tts?wait=20 cotización → $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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Gemini 3.1 Flash Tts

Convierte un `prompt` de hasta 50000 caracteres en voz. La interpretación puede dirigirse de forma integrada o mediante `style_instructions`. Elige una de 30 voces, establece un `language_code` o usa `speakers` (de 2 a 10) para audio con varios hablantes. La salida es mp3, wav u ogg_opus, con `temperature` de 0 a 2.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
promptobligatorio
Tipostring
≤ 50,000 caracteres
Texto de síntesis de voz para Gemini 3.1 Flash TTS; las líneas de varios hablantes deben comenzar con alias del campo speakers, como en 'Alice: Hello!\nBob: Hi!'. La entrega puede controlarse con precisión mediante etiquetas de audio expresivas como [sigh], [laughing], [whispering] y [short pause], o con indicaciones de lenguaje natural en línea para acento, emoción, ritmo y estilo, como 'Say cheerfully: Have a wonderful day!'.
style_instructionsopcional
Tipostring | null
≤ 4,000 caracteres
Indicaciones opcionales de lenguaje natural mantenidas separadas del contenido hablado e insertadas antes del prompt para definir expresividad, acento, ritmo, tono y emoción. Algunos ejemplos son 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' y 'Whisper mysteriously'.
voiceopcional
Tipoenum
PredeterminadoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 másLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Selección de voz para un solo hablante entre 30 valores predeterminados distintos; establecer speakers desactiva esta selección. Las opciones femeninas populares son Kore, con una entrega firme y contundente, y Zephyr, con una entrega clara y luminosa; la opción masculina popular Puck es animada y enérgica, y Charon es tranquila y profesional.
language_codeopcional
Tipoenum
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 másRussian (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)
Anulación del idioma de síntesis multilingüe: se aplica la detección automática del texto salvo que especifiques un idioma para orientar el habla del modelo.
speakersopcional
Tipoobject[]
Configuración de voz que permite que varios hablantes lean partes separadas del texto. Asigna a cada hablante una voz y un alias speaker_id que coincida con los prefijos correspondientes del prompt.
temperatureopcional
Tiponumber
Predeterminado1
0 – 2
Configuración de aleatoriedad del habla, que va desde una entrega enfocada y predecible en valores bajos hasta una entrega creativa y variada en valores altos.
output_formatopcional
Tipoenum
Predeterminadomp3
wavmp3ogg_opus
Formato del audio de salida: mp3 proporciona archivos comprimidos y compactos, y se recomienda; wav contiene PCM sin comprimir en un contenedor WAV a 24 kHz con audio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para lograr un equilibrio favorable entre calidad y tamaño.
obligatorio

Salida

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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size}Archivo de audio producido por la generación.

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/gemini-3.1-flash-tts.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt