Gemini 3.1 Flash Tts Preview

Sprachmodell von Google zur Vertonung von Text mit steuerbarem Erzählstil und ausdrucksstarken Audio-Tags.

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

Über das Modell

Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.

Gemini 3.1 Flash TTS Preview wandelt Text in Sprache um. Es dient zur natürlich klingenden Vertonung, deren Erzählstil durch Textanweisungen gesteuert wird. Die Sprechweise kann gemeinsam mit den Sprachanweisungen vorgegeben werden; ausdrucksstarke Audio-Tags helfen, die gewünschte Darbietung zu vermitteln.

Text wird zu Audio

Die Eingabe dieses Modells ist Text, die Ausgabe eine Audioaufnahme. Der maximale Eingabeumfang beträgt 8 192 Tokens, der maximale Ausgabeumfang 16 384 Tokens. Das Modell ist auf Sprachsynthese aus vorbereitetem Text ausgelegt und kein gewöhnliches Modell für Textantworten oder die Transkription einer übermittelten Aufnahme.

Vorgesehen sind Vertonung mit einer Stimme und Dialoge mit mehreren sprechenden Personen. Die Sprechweise wird durch Anweisungen gesteuert: Lesestil und Ausdruck der Äußerungen können beschrieben werden. Für wiederkehrende Sprachaufgaben nennt der Hersteller Stapelgenerierung.

Ergebnisformat und Spezialisierung

Das ursprüngliche Format einer gewöhnlichen Antwort ist PCM ohne WAV-Header. Das ist eine wichtige Eigenschaft dieser vorläufigen Version: Die zurückgegebenen Bytes dürfen nicht automatisch als fertige WAV-Datei betrachtet werden.

Die Modellkarte nennt weder Kontext-Caching noch Codeausführung, Dateisuche, Funktionsaufrufe, suchgestützte Fundierung, Google Maps, Bildgenerierung, strukturierte Textantworten, Thinking oder das Lesen von Inhalten aus Webadressen. Sprachsynthese ist die spezialisierte Ausgabeaufgabe; die Fähigkeiten von Textmodellen werden nicht auf dieses Modell übertragen.

Vorläufige Version

gemini-3.1-flash-tts-preview gehört zu den früheren vorläufigen Sprachversionen. Die Verfahren zur Stimmensteuerung und das Audioformat müssen getrennt von späteren TTS-Modellen betrachtet werden. Die Erstellung eines neuen Stimmcharakters und die Nachbildung einer Stimme anhand einer Vorlage sind für diese Version nicht angegeben. Die genaue Anzahl unterstützter Sprachen wird in der Karte nicht genannt.

Die beschriebenen Fähigkeiten beziehen sich auf das Modell selbst. Das konkrete Verfahren zur Übergabe von Text und Sprechereinstellungen sowie zum Erhalten einer Audiodatei hängt von der unterstützten Sprachmethode ab.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Einstieg

Sprachmodell von Google zur Vertonung von Text mit steuerbarem Erzählstil und ausdrucksstarken Audio-Tags.

Zulässige Eingaben: Text
Ergebnisse: speech

In Ailoot verfügbar · Eingaben und Methoden

Ailoot · Sprachausgabe POST /v1/audio/speech

Eingabe: text
Ausgabe: speech
Ausgabeformat: native Audiobytes oder JSON-Asset-Links

Feld	Typ	Anforderung	Werte und Limits	Standard
Feld`model`	Typ`string`	AnforderungErforderlich	Werte und Limits gemini-3.1-flash-tts-preview	Standard—
Feld`input`	Typ`string`	AnforderungErforderlich	Werte und Limits Mindestlänge: 1	Standard—
Feld`voice`	Typ`string`	AnforderungOptional	Werte und Limits Kore	StandardKore
Feld`response_format`	Typ`string`	AnforderungOptional	Werte und Limits , wav, json	Standard
Feld`stream_format`	Typ`string`	AnforderungOptional	Werte und Limits audio	Standard—

Kombinationen von Eingabematerialien

text_to_speech · Erforderlich: input

Methodenparameter und Lebenszyklus

Parameter	Vertrag
Parameter`material_types`	Vertragtext
Parameter`required`	Vertragnull
Parameter`optional_controls`	Vertragnull

Lebenszyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.

Tarife

Ailoot-Methodentarife

Ailoot SprachausgabePOST /v1/audio/speech

Eingabe: $ 0,001 / 1K
Ausgabe: $ 0,02 / 1K

Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →

Beispielanfragen

Ailoot · Sprachausgabe

Sprachbeispiel

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

Ergebnisse abrufen und speichern

Ailoot · Sprachausgabe

native Audiobytes oder JSON-Asset-Links

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

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Eine einzelne Ausgabe liefert standardmäßig native Audiobytes mit tatsächlichem Content-Type; response_format=json oder mehrere Ausgaben liefern sämtliche Ihnen zugeordneten Links zurück. Keine angeforderte MP3/Opus/AAC/FLAC/PCM-Konvertierung und kein SSE.

Wenn die ursprüngliche Antwort geprüft werden muss

Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.

Antwortfelder

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

Fehler und nächste Schritte

Antwort	Bedingung	Nächster Schritt
Antwort400 · `invalid_request_error`	BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig	Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren.
Antwort`server_error`	BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert	Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden.

Aliasnamen

Modellaliasnamen

Ailoot gemini-3.1-flash-tts-preview

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Welche Eingaben und Ergebnisse sind verfügbar?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Welche Felder verwendet die Anfrage?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview