Gemini 3.1 Flash Tts Preview

Talemodel fra Google til oplæsning af tekst med styring af fortællestil og udtryksfulde lydtags.

Ailoot · Oplæsning POST /v1/audio/speech gemini-3.1-flash-tts-preview

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

Gemini 3.1 Flash TTS Preview omsætter tekst til tale. Formålet er naturligt lydende oplæsning med fortællestyring gennem tekstinstruktioner. Udtalen kan beskrives sammen med taleinstruktionerne, og udtryksfulde lydtags hjælper med at fastlægge fremførelsen.

Tekst bliver til lyd

Modellens input er tekst, og output en lydoptagelse. Inputgrænsen er 8 192 tokens, og outputgrænsen 16 384 tokens. Den er beregnet til talesyntese fra forberedt tekst og er ikke en almindelig model til tekstsvar eller transskription af en indsendt optagelse.

Oplæsning med én stemme og dialog med flere talere er mulige. Fremførelsen styres gennem instruktioner, der beskriver læsemåde og replikkernes udtryk. Til gentagne taleopgaver angiver producenten batchgenerering.

Resultatformat og speciale

Det oprindelige format for et almindeligt svar er PCM uden WAV-header. Det er vigtigt netop for denne foreløbige version: returnerede bytes kan ikke automatisk betragtes som en færdig WAV-fil.

Modelkortet beskriver ikke kontekstcaching, kodeudførelse, filsøgning, funktionskald, søgebaseret forankring, Google Maps, billedgenerering, strukturerede tekstsvar, Thinking eller læsning af webadressers indhold. Talesyntese er dens specialiserede outputopgave; tekstmodellernes funktioner overføres ikke til den.

Foreløbig version

gemini-3.1-flash-tts-preview hører til tidligere foreløbige taleversioner. Stemmestyring og lydformat skal vurderes særskilt fra senere TTS-modeller. Denne version beskriver ikke skabelse af en ny stemme eller gengivelse af en stemme ud fra en prøve; det præcise antal understøttede sprog er ikke angivet på kortet.

Mulighederne beskriver selve modellen. Den konkrete måde at sende tekst og talerindstillinger og modtage en lydfil på afhænger af den understøttede talemetode.

Ailoot · Oplæsning POST /v1/audio/speech gemini-3.1-flash-tts-preview

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Start

Talemodel fra Google til oplæsning af tekst med styring af fortællestil og udtryksfulde lydtags.

Accepterede input: Tekst
Resultater: speech

Tilgængelig i Ailoot · input og metoder

Ailoot · Oplæsning POST /v1/audio/speech

Inputtyper: text
Outputtyper: speech
Outputformat: lydbytes i det oprindelige format eller JSON-links til aktiver

Felt	Type	Krav	Værdier og grænser	Standard
Felt`model`	Type`string`	KravPåkrævet	Værdier og grænser gemini-3.1-flash-tts-preview	Standard—
Felt`input`	Type`string`	KravPåkrævet	Værdier og grænser Minimumslængde: 1	Standard—
Felt`voice`	Type`string`	KravValgfrit	Værdier og grænser Kore	StandardKore
Felt`response_format`	Type`string`	KravValgfrit	Værdier og grænser , wav, json	Standard
Felt`stream_format`	Type`string`	KravValgfrit	Værdier og grænser audio	Standard—

Kombinationer af inputmaterialer

text_to_speech · Påkrævet: input

Metodeparametre og livscyklus

Parameter	Kontrakt
Parameter`material_types`	Kontrakttext
Parameter`required`	Kontraktnull
Parameter`optional_controls`	Kontraktnull

Livscyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.

Priser

Ailoot-metodetakster

Ailoot OplæsningPOST /v1/audio/speech

Input: 0,001 US$ / 1K
Output: 0,02 US$ / 1K

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot · Oplæsning

Taleeksempel

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

Hent og gem resultater

Ailoot · Oplæsning

lydbytes i det oprindelige format eller JSON-links til aktiver

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

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Et enkelt output bruger som standard native lydbytes med faktisk Content-Type; response_format=json eller flere output returnerer alle links, du ejer. Ingen anmodet konvertering til MP3/Opus/AAC/FLAC/PCM eller SSE.

Hvis det oprindelige svar skal kontrolleres

Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.

Svarfelter

Felt	Type
Felt`binary native audio`	Typebytes
Felt`model`	Typestring
Felt`response_id`	Typestring
Felt`actual_count`	Typeinteger
Felt`data[]`	Typeowned audio asset link

Fejl og næste trin

Svar	Betingelse	Næste trin
Svar400 · `invalid_request_error`	BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi	Næste trinRet de angivne felter før en ny oprettelsesanmodning.
Svar`server_error`	BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres	Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen.

Aliaser

Modelaliaser

Ailoot gemini-3.1-flash-tts-preview

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Hvilke input og resultater er tilgængelige?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Hvilke felter bruger anmodningen?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview