Gemini 3.1 Flash Tts Preview

Řečový model Google pro hlasové zpracování textu s řízením způsobu vyprávění a výrazovými zvukovými značkami.

Ailoot · Převod na řeč POST /v1/audio/speech gemini-3.1-flash-tts-preview

O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

Gemini 3.1 Flash TTS Preview převádí text na řeč. Jeho účelem je přirozeně znějící hlasový výstup s řízením vyprávění pomocí textových instrukcí. Způsob přednesu lze zadávat společně s řečovými instrukcemi a výrazové zvukové značky pomáhají dosáhnout požadovaného projevu.

Text se mění ve zvuk

Vstupem tohoto modelu je text, výstupem zvuková nahrávka. Maximální objem vstupu je 8 192 tokenů, výstupu 16 384 tokenů. Je navržen pro syntézu řeči z připraveného textu; není běžným modelem pro textovou odpověď ani přepis předané nahrávky.

K dispozici jsou hlasový výstup s jedním hlasem a dialogy s několika mluvčími. Řízení přednesu vychází z instrukcí: lze popsat charakter čtení a výraznost replik. Pro opakující se řečové úlohy výrobce uvádí dávkové generování.

Formát výsledku a specializace

Výchozím formátem běžné odpovědi je PCM bez hlavičky WAV. Jde o důležitou vlastnost právě této předběžné verze: vrácené bajty nelze automaticky považovat za hotový soubor WAV.

Karta modelu nedeklaruje ukládání kontextu do mezipaměti, provádění kódu, vyhledávání v souborech, volání funkcí, podložení vyhledáváním, Google Maps, generování obrázků, strukturované textové odpovědi, Thinking ani čtení obsahu webových adres. Syntéza řeči je jeho specializovanou výstupní úlohou; schopnosti textových modelů se na něj nepřenášejí.

Předběžná verze

gemini-3.1-flash-tts-preview patří mezi dřívější předběžné řečové verze. Jeho způsoby řízení hlasu a formát zvuku je třeba posuzovat samostatně od následujících modelů TTS. U této verze není deklarováno vytváření nového hlasu ani napodobení hlasu podle vzorku; přesný počet podporovaných jazyků není v její kartě uveden.

Popsané schopnosti se vztahují na samotný model. Konkrétní způsob předávání textu, nastavení mluvčích a získání zvukového souboru závisí na podporované řečové metodě.

Ailoot · Převod na řeč POST /v1/audio/speech gemini-3.1-flash-tts-preview

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Úvod

Řečový model Google pro hlasové zpracování textu s řízením způsobu vyprávění a výrazovými zvukovými značkami.

Přijímané vstupy: Text
Výsledky: speech

Dostupné v Ailoot · vstupy a metody

Ailoot · Převod na řeč POST /v1/audio/speech

Vstup: text
Výstup: speech
Výstupní formát: nativní bajty zvuku nebo odkazy na soubory v JSON

Pole	Typ	Požadavek	Hodnoty a limity	Výchozí
Pole`model`	Typ`string`	PožadavekPovinné	Hodnoty a limity gemini-3.1-flash-tts-preview	Výchozí—
Pole`input`	Typ`string`	PožadavekPovinné	Hodnoty a limity Minimální délka: 1	Výchozí—
Pole`voice`	Typ`string`	PožadavekVolitelné	Hodnoty a limity Kore	VýchozíKore
Pole`response_format`	Typ`string`	PožadavekVolitelné	Hodnoty a limity , wav, json	Výchozí
Pole`stream_format`	Typ`string`	PožadavekVolitelné	Hodnoty a limity audio	Výchozí—

Kombinace vstupních materiálů

text_to_speech · Povinné: input

Parametry a životní cyklus metody

Parametr	Kontrakt
Parametr`material_types`	Kontrakttext
Parametr`required`	Kontraktnull
Parametr`optional_controls`	Kontraktnull

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.

Tarify

Sazby metod Ailoot

Ailoot Převod na řečPOST /v1/audio/speech

Vstup: 0,001 US$ / 1K
Výstup: 0,02 US$ / 1K

Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →

Příklady požadavků

Ailoot · Převod na řeč

Příklad řeči

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.1-flash-tts-preview", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
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 speech.wav

Přijímání a ukládání výsledků

Ailoot · Převod na řeč

nativní bajty zvuku nebo odkazy na soubory v JSON

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

Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Jediný výstup standardně vrací nativní bajty zvuku se skutečným Content-Type; response_format=json nebo více výstupů vrátí všechny odkazy spravované službou. Bez požadovaného převodu na MP3/Opus/AAC/FLAC/PCM a bez SSE.

Pokud je nutné ověřit původní odpověď

Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.

Pole odpovědi

Pole	Typ
Pole`binary native audio`	Typbytes
Pole`model`	Typstring
Pole`response_id`	Typstring
Pole`actual_count`	Typinteger
Pole`data[]`	Typowned audio asset link

Chyby a další kroky

Odpověď	Podmínka	Další krok
Odpověď400 · `invalid_request_error`	PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru	Další krokPřed novým požadavkem na vytvoření opravte uvedená pole.
Odpověď`server_error`	PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat	Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte.

Aliasy

Aliasy modelu

Ailoot gemini-3.1-flash-tts-preview

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Jaké vstupy a výsledky jsou dostupné?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Jaká pole požadavek používá?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview