Ir para o conteúdo

Gemini 3.1 Flash Tts

Integrar

ID do 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 solicitação: $ 0,003 3 créditos de API · ≈ ₽ 0,32 Executar nesta página

Obter chave de API
Google Texto para fala Sincronização labialRápido #lipsync#avatar

Texto para fala do Gemini 3.1 Flash com controle de estilo inline, 30 vozes e até 10 falantes

Google · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório 50 / 50000

Texto para síntese de fala do Gemini 3.1 Flash TTS; linhas com vários locutores devem começar com aliases do campo speakers, como em 'Alice: Hello!\nBob: Hi!'. A entrega pode ser controlada detalhadamente com tags de áudio expressivas, como [sigh], [laughing], [whispering] e [short pause], ou com instruções em linguagem natural em linha para sotaque, emoção, ritmo e estilo, como 'Say cheerfully: Have a wonderful day!'.

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

Instruções opcionais em linguagem natural mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.

output_format padrão mp3

Formato do áudio de saída: mp3 fornece arquivos compactados e compactos e é recomendado; wav contém PCM não compactado em um contêiner WAV a 24 kHz com áudio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.

padrão Kore

Seleção de voz para um único locutor entre 30 predefinições distintas; definir speakers torna essa seleção inativa. Opções femininas populares incluem Kore, com entrega firme e forte, Zephyr, com entrega clara e brilhante, e Aoede, com entrega calorosa e melódica; opções masculinas populares incluem Puck, animado e vibrante, e Charon, calmo e profissional.

Substituição do idioma de síntese multilíngue: a detecção automática no texto é aplicada, a menos que você especifique um idioma para orientar a fala do modelo.

padrão 1

Configuração de aleatoriedade da fala, variando, em efeito, de uma entrega focada e previsível em configurações baixas a uma entrega criativa e variada em configurações altas.

Configuração de voz que permite que vários locutores leiam partes separadas do texto. Atribua a cada locutor uma voz e um alias speaker_id correspondente aos prefixos do prompt.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

Sobre Gemini 3.1 Flash Tts

Converte um `prompt` de até 50000 caracteres em fala. A entrega pode ser orientada inline ou por `style_instructions`. Escolha uma das 30 vozes, defina um `language_code` ou use `speakers` (de 2 a 10) para áudio com vários falantes. A saída é mp3, wav ou ogg_opus, com `temperature` de 0 a 2.

Parâmetros

NomeTipo PadrãoPermitido Descrição
promptobrigatório
Tipostring
≤ 50.000 caracteres
Texto para síntese de fala do Gemini 3.1 Flash TTS; linhas com vários locutores devem começar com aliases do campo speakers, como em 'Alice: Hello!\nBob: Hi!'. A entrega pode ser controlada detalhadamente com tags de áudio expressivas, como [sigh], [laughing], [whispering] e [short pause], ou com instruções em linguagem natural em linha para sotaque, emoção, ritmo e estilo, como 'Say cheerfully: Have a wonderful day!'.
style_instructionsopcional
Tipostring | null
≤ 4.000 caracteres
Instruções opcionais em linguagem natural mantidas separadas do conteúdo falado e inseridas antes do prompt para definir expressividade, sotaque, ritmo, tom e emoção. Exemplos incluem 'Speak warmly and slowly', 'Read this as a dramatic newscast', 'Use a British accent with a cheerful tone' e 'Whisper mysteriously'.
voiceopcional
Tipoenum
PadrãoKore
AchernarAchirdAlgenibAlgiebaAlnilamAoedeAutonoeCallirrhoeCharonDespinaEnceladusErinomeFenrirGacruxIapetusKore
+14 a maisLaomedeiaLedaOrusPulcherrimaPuckRasalgethiSadachbiaSadaltagerSchedarSulafatUmbrielVindemiatrixZephyrZubenelgenubi
Seleção de voz para um único locutor entre 30 predefinições distintas; definir speakers torna essa seleção inativa. Opções femininas populares incluem Kore, com entrega firme e forte, Zephyr, com entrega clara e brilhante, e Aoede, com entrega calorosa e melódica; opções masculinas populares incluem Puck, animado e vibrante, e Charon, calmo e profissional.
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 a maisRussian (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)
Substituição do idioma de síntese multilíngue: a detecção automática no texto é aplicada, a menos que você especifique um idioma para orientar a fala do modelo.
speakersopcional
Tipoobject[]
Configuração de voz que permite que vários locutores leiam partes separadas do texto. Atribua a cada locutor uma voz e um alias speaker_id correspondente aos prefixos do prompt.
temperatureopcional
Tiponumber
Padrão1
0 – 2
Configuração de aleatoriedade da fala, variando, em efeito, de uma entrega focada e previsível em configurações baixas a uma entrega criativa e variada em configurações altas.
output_formatopcional
Tipoenum
Padrãomp3
wavmp3ogg_opus
Formato do áudio de saída: mp3 fornece arquivos compactados e compactos e é recomendado; wav contém PCM não compactado em um contêiner WAV a 24 kHz com áudio mono de 16 bits; ogg_opus usa Opus dentro de Ogg para um equilíbrio favorável entre qualidade e tamanho.
obrigatório

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size}Arquivo de áudio produzido pela geração.

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/gemini-3.1-flash-tts.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt