Google: Gemini 3.1 Flash TTS Preview

يحوّل Google Gemini 3.1 Flash TTS Preview النصوص المكتوبة إلى صوت كلامي معبّر. توجه تعليمات اللغة الطبيعية وAudio Profiles للمتحدثين وDirector’s Notes والوسوم الصوتية المضمَّنة الوتيرة والنبرة واللكنة. يدعم الحوار مباشرة وأكثر من 70 لغة، باستخدام صيغة المطالبات والصوت الخاصة بإصدار 3.1.

Ailoot Ultra · الكلام POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Google Gemini 3.1 Flash TTS Preview هو إصدار تحويل النص إلى كلام من عائلة Gemini 3.1 Flash Audio. يقبل النص وينتج صوتًا منطوقًا بتعبير توجّهه الموجّهات. تصف Google هذا الجيل بأنه تحسين لطبيعية الكلام وقابلية التحكم والأداء متعدد اللغات، مع حوار أصلي متعدد المتحدثين وأكثر من 70 لغة. ومن الاستخدامات العملية درس قصير مسرود، أو تبادل حواري بين شخصيات، أو مقطع منطوق يهم أداؤه بقدر ما تهم كلماته.

جهّز نصًا مكتملًا وموجز أداء. يستخدم هذا الجيل تعليمات باللغة الطبيعية ضمن الإدخال النصي لتوجيه أسلوب الصوت وإيقاعه وأدائه. يقدّم إصدار Google توجيه المشهد لتحديد الموقف، وAudio Profiles للمتحدثين لتعريف الشخصيات، وDirector’s Notes لتوجيه الإيقاع والنبرة واللكنة. اجعل هذه الأجزاء قابلة للتمييز عند إعداد الموجّه، حتى يمكن مراجعة الكلمات المقصودة وتعليمات الأداء بصورة مستقلة. يسهل تنقيح موجز مقتصد أكثر من عدة أوصاف متنافسة للصوت نفسه.

فمثلًا، يمكن لموجز بروفة أصلي وصف راوٍ هادئ يشرح معروضًا في متحف، بعبارات متأنية ونبرة أدفأ في الجملة الأخيرة. ينبغي أن يحتوي النص المصاحب الأسماء الفعلية للمعروض والكلمات الدقيقة المراد نطقها. وللحوار، امنح الشخصيات أوصافًا مميزة وتسلسل أدوار واضحًا. استخدم سياق المشهد لشرح ما إذا كان أحد المتحدثين يطمئن الآخر أو يطرح سؤالًا حقيقيًا أو يرد بدهشة مكبوتة. الناتج المولّد المراد تقييمه هو الأداء المسموع لذلك النص.

تضيف الوسوم الصوتية المضمّنة تحكمًا موضعيًا داخل النص، فتتيح تغيّر تعبير المتحدث ضمن الجملة بدلًا من الاعتماد الكامل على توجيه البداية. تصف Google الوسوم بأنها تتحكم في أسلوب الصوت والإيقاع والأداء. استخدمها حيث يحتاج الأداء إلى تحوّل معين، واجعل بقية الكلمات طبيعية للنطق. والتمييز المفيد في هذا الإصدار هو بين موجز الشخصية أو المشهد العام والتغيير الموضعي في الأداء. يمكن لمقطع قصير محايد تحديد الصوت الأساسي قبل أن يضيف النص توجيهًا عاطفيًا أكبر.

للعمل متعدد اللغات، قدّم النص بلغته النهائية واذكر اللكنة وأسلوب الكلام المطلوبين في الموجز. يوثّق إعلان Google دعم أكثر من 70 لغة. وللإعداد التحريري العملي، امنح الأسماء المتكررة تهجئة ثابتة، ووسّع الاختصارات المبهمة عندما تكون قراءة واحدة مطلوبة، وتحقّق من الأرقام في النتيجة المنطوقة. لا تحسم تسمية اللغة وحدها طريقة نطق علامة تجارية أو مصطلح دخيل. قارن المقاطع التي تحتوي هذه المصطلحات بالقراءة المقصودة قبل قبول سرد طويل.

تذكر صفحة نموذج Gemini API المحددة حد إدخال يبلغ 8,192 رمزًا وحد إخراج يبلغ 16,384 رمزًا لهذا النموذج التجريبي. وتسرد بطاقة نموذج TTS الأصلي من DeepMind، بصورة منفصلة، إدخالًا نصيًا حتى 16K رمز وإخراجًا صوتيًا بطول 32K رمز؛ وأرقام البطاقة هذه منفصلة عن حدود الخدمة عبر Gemini API. احسب توجيهات الأداء ضمن الإدخال المجهّز إلى جانب النص. تُعبَّر سعة الإخراج بالرموز الصوتية، لذلك لا تضمن مدة تسجيل معينة. نظّم الدرس أو القصة الطويلة في أقسام مترابطة، واحتفظ بموجز الشخصية نفسه، واستمع إلى نقاط الوصل. وللحوار المكتوب، تحقّق من نسبة الكلام وترتيب الأدوار إلى جانب الكلمات المنطوقة والأداء العاطفي.

تحدّد وثائق الانتقال لدى Google إخراج 3.1 الافتراضي بأنه PCM خام بلا ترويسة من نوع audio/l16. تحتاج بايتات الصوت إلى معلومات التشغيل أو الحاوية المناسبة عند إعداد تسجيل قابل للتحرير؛ وإضافة اسم ملف WAV وحده لا تنشئ ترويسة WAV. تحقّق من الصيغة الفعلية المُرجعة قبل استيراد النتيجة. وتذكر Google أيضًا أن الصوت المولّد باستخدام Gemini 3.1 Flash TTS يحمل علامة SynthID مائية غير محسوسة. تتعلق العلامة بتحديد الصوت المولّد، ولا تحل محل تفريغ نصي أو تسميات المتحدثين أو المراجعة بالاستماع.

يختلف أسلوب إعداد 3.1 بصورة جوهرية عن 3.8. ينقل Gemini 3.8 التوجيهات المستمرة وهوية المتحدث إلى بيانات وصفية منظّمة للكلام، ويستخدم وسوم أحداث موضعية بأقواس زاوية، ويغيّر الصيغة الافتراضية للطلبات المكتملة إلى WAV. احتفظ بموجّه 3.1 كموجّه 3.1 بدلًا من خلط بنية الطلب الأحدث فيه. يذكر جدول النماذج المدعومة لدى Google تركيب كلام لمتحدث واحد أو عدة متحدثين في 3.1، بينما تخص أدوات إنشاء أصوات مصممة واستنساخ الأصوات إدخالات 3.8. يتعامل إصدار Flash Live المنفصل مع الإدخال الصوتي التفاعلي؛ أما إصدار TTS هذا فيخدم إنتاج الصوت من نص مجهّز.

راجع التسجيل مقابل النص المكتوب بحثًا عن كلمات محذوفة أو مكررة وأسماء وتوقيت الأدوار والتغيّرات العاطفية المقصودة. إذا احتاجت جملة إلى توكيد مختلف، فنقّح التوجيه الموضعي وافحص الانتقال المتأثر. يجعل هذا المسار موجز الأداء مفيدًا: فهو يسجّل ما ينبغي أن يبقى ثابتًا في المتحدث وما ينبغي أن يتغير في ذلك المقطع، بينما يحافظ النص على المحتوى الذي يحتاج الجمهور إلى سماعه.

Ailoot Ultra · الكلام POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

google/gemini-3.1-flash-tts-preview

Google /google/gemini-3.1-flash-tts-preview

البداية

المدخلات المقبولة: النص
النتائج: الصوت

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · الكلام POST /v1/audio/speech

الإدخال: text
الإخراج: audio

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود google/gemini-3.1-flash-tts-preview	القيمة الافتراضية—
الحقل`input`	النوع`string`	المتطلبمطلوب	القيم والحدود الحد الأدنى للطول: ⁦1⁩	القيمة الافتراضية—
الحقل`voice`	النوع`string`	المتطلبمطلوب	القيم والحدود Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat الحد الأدنى للطول: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود mp3, pcm	القيمة الافتراضيةpcm
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input, voice
المعلمة`material_types`	المواصفاتtext

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداترمز إدخال	جدول التعرفة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإدخال $0.002 / 1K من الرموز
الإعداداترمز إخراج	جدول التعرفة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإخراج $0.04 / 1K من الرموز

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · الكلام

استخدم المدخلات الفعلية واحتفظ بالنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.1-flash-tts-preview', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Orus', 'response_format': 'pcm'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

استلام النتائج وحفظها

Ailoot Ultra · الكلام

الصوت الثنائي كاملاً أو استجابة audio_url الأصلية، والترويسات، وكل أصل مملوك لك.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

قراءة الأصول الموجودة المملوكة لك

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra google/gemini-3.1-flash-tts-preview

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

google/gemini-3.1-flash-tts-preview

FAQ · Google: Gemini 3.1 Flash TTS Preview

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/speech · google/gemini-3.1-flash-tts-preview: text → audio
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/speech · google/gemini-3.1-flash-tts-preview: model, input, voice, response_format, provider

Google: Gemini 3.1 Flash TTS Preview