Passer au contenu

Gemini 3.1 Flash Tts

Intégrer

Identifiant du modèle 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"

Cette requête: 0,003 $ 3 crédits API · ≈ 0,32 ₽ L’exécuter sur cette page

Obtenir une clé API
Google Texte vers parole Synchronisation labialeRapide #lipsync#avatar

Synthèse vocale Gemini 3.1 Flash avec contrôle de style intégré, 30 voix et jusqu’à 10 locuteurs

Google · Audio

Votre premier résultat apparaîtra ici

Créez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou pendant 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour au fur et à mesure de vos modifications.

•requis 50 / 50000

Texte de synthèse vocale pour Gemini 3.1 Flash TTS; les lignes à plusieurs locuteurs doivent commencer par des alias du champ speakers, comme dans 'Alice: Hello!\nBob: Hi!'. La prestation peut être contrôlée précisément avec des balises audio expressives comme [sigh], [laughing], [whispering] et [short pause], ou avec des instructions en langage naturel intégrées pour l’accent, l’émotion, le débit et le style, comme 'Say cheerfully: Have a wonderful day!'.

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

Instructions facultatives en langage naturel conservées séparément du contenu parlé et insérées avant l’invite pour définir l’expressivité, l’accent, le débit, le ton et l’émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.

output_format par défaut mp3

Format de l’audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé; wav contient de l’audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.

par défaut Kore

Sélection de voix pour un seul locuteur parmi 30 préréglages distincts; le réglage speakers rend cette sélection inactive. Les options féminines populaires sont Kore, à la diction forte et ferme, Zephyr, à la diction claire et lumineuse, et Aoede, à la diction chaleureuse et mélodique; les options masculines populaires sont Puck, énergique et vivant, et Charon, calme et professionnel.

Remplacement de la langue de synthèse multilingue : la détection automatique à partir du texte s’applique sauf si vous précisez une langue pour orienter la parole du modèle.

par défaut 1

Réglage de l’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible niveau à une diction créative et variée à niveau élevé.

Configuration vocale permettant à plusieurs locuteurs de lire des parties distinctes du texte. Attribuez à chaque locuteur une voix et un alias speaker_id correspondant aux préfixes de l’invite.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement au Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Gemini 3.1 Flash Tts

Convertit une `prompt` de 50000 caractères maximum en parole. Le rendu peut être orienté en ligne ou via `style_instructions`. Choisissez l’une des 30 voix, définissez un `language_code` ou utilisez `speakers` (de 2 à 10) pour un audio à plusieurs locuteurs. La sortie est en mp3, wav ou ogg_opus, avec `temperature` de 0 à 2.

Paramètres

NomType Par défautAutorisé Description
promptrequis
Typestring
≤ 50 000 caractères
Texte de synthèse vocale pour Gemini 3.1 Flash TTS; les lignes à plusieurs locuteurs doivent commencer par des alias du champ speakers, comme dans 'Alice: Hello!\nBob: Hi!'. La prestation peut être contrôlée précisément avec des balises audio expressives comme [sigh], [laughing], [whispering] et [short pause], ou avec des instructions en langage naturel intégrées pour l’accent, l’émotion, le débit et le style, comme 'Say cheerfully: Have a wonderful day!'.
style_instructionsfacultatif
Typestring | null
≤ 4 000 caractères
Instructions facultatives en langage naturel conservées séparément du contenu parlé et insérées avant l’invite pour définir l’expressivité, l’accent, le débit, le ton et l’émotion. Exemples : 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' et 'Whisper mysteriously'.
voicefacultatif
Typeenum
Par défautKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 autresLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Sélection de voix pour un seul locuteur parmi 30 préréglages distincts; le réglage speakers rend cette sélection inactive. Les options féminines populaires sont Kore, à la diction forte et ferme, Zephyr, à la diction claire et lumineuse, et Aoede, à la diction chaleureuse et mélodique; les options masculines populaires sont Puck, énergique et vivant, et Charon, calme et professionnel.
language_codefacultatif
Typeenum
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 autresRussian (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)
Remplacement de la langue de synthèse multilingue : la détection automatique à partir du texte s’applique sauf si vous précisez une langue pour orienter la parole du modèle.
speakersfacultatif
Typeobject[]
Configuration vocale permettant à plusieurs locuteurs de lire des parties distinctes du texte. Attribuez à chaque locuteur une voix et un alias speaker_id correspondant aux préfixes de l’invite.
temperaturefacultatif
Typenumber
Par défaut1
0 – 2
Réglage de l’aléatoire de la parole, allant d’une diction ciblée et prévisible à faible niveau à une diction créative et variée à niveau élevé.
output_formatfacultatif
Typeenum
Par défautmp3
wavmp3ogg_opus
Format de l’audio de sortie : mp3 fournit des fichiers compressés et compacts et est recommandé; wav contient de l’audio PCM non compressé dans un conteneur WAV à 24 kHz avec audio mono 16 bits; ogg_opus utilise Opus dans Ogg pour un bon équilibre entre qualité et taille.
requis

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation par Go-mois) ou pendant 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, les vidéos et les fichiers audio. output est l’objet de résultat propre au modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size}Fichier audio produit par la génération.

Pour les agents IA : cette page en Markdown se trouve à https://doitong.com/fr-CA/developers/models/gemini-3.1-flash-tts.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt