Gemini 3.1 Flash Tts Preview

Google-Sprachmodell 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 natürlich klingender Vertonung mit einer durch Textanweisungen steuerbaren Erzählweise. Die Sprechweise kann zusammen mit Sprachanweisungen festgelegt werden; ausdrucksstarke Audio-Tags helfen bei der gewünschten Darbietung.

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. Es ist für die Sprachsynthese anhand vorbereiteten Texts ausgelegt und kein gewöhnliches Modell für textuelle Antworten oder die Transkription einer übermittelten Aufnahme.

Vorgesehen sind Vertonung mit einer Stimme und Dialoge mit mehreren Sprechern. Die Sprechweise wird durch Anweisungen gesteuert: Lesestil und Ausdruck der Äusserungen lassen sich beschreiben. Für wiederkehrende Sprachaufgaben nennt der Hersteller Stapelgenerierung.

Ergebnisformat und Spezialisierung

Das Ausgangsformat einer gewöhnlichen Antwort ist PCM ohne WAV-Header. Das ist eine wichtige Eigenschaft genau dieser Vorabversion: Zurückgegebene Bytes dürfen nicht automatisch als fertige WAV-Datei betrachtet werden.

Die Modellkarte nennt keine Unterstützung für Kontext-Caching, Codeausführung, Dateisuche, Funktionsaufrufe, Fundierung durch Suchergebnisse, Google Maps, Bildgenerierung, strukturierte Textantworten, Thinking oder das Lesen von Inhalten von Webadressen. Sprachsynthese ist die spezialisierte Ausgabeaufgabe; die Fähigkeiten textueller Modelle werden nicht darauf übertragen.

Vorabversion

gemini-3.1-flash-tts-preview gehört zu den früheren Sprach-Vorabversionen. Ihre Möglichkeiten der Stimmsteuerung und ihr Audioformat sind getrennt von späteren TTS-Modellen zu betrachten. Diese Version nennt weder die Erstellung einer neuen Stimmidentität noch die Wiedergabe einer Stimme nach einem Muster; die genaue Anzahl unterstützter Sprachen ist in ihrer Karte nicht angegeben.

Die beschriebenen Fähigkeiten beziehen sich auf das Modell selbst. Die konkrete Übermittlung von Text und Sprechereinstellungen sowie der Empfang einer Audiodatei werden durch die unterstützte Sprachmethode bestimmt.

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

Google-Sprachmodell 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 dem tatsächlichen Content-Type; response_format=json oder mehrere Ausgaben liefern alle Ihnen zugeordneten Links. Keine angeforderte Konvertierung in MP3/Opus/AAC/FLAC/PCM 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