Gemini 3.1 Flash Tts Preview
Modelo de voz de Google para poner voz a textos, con control de la narración y etiquetas de audio expresivas.
Sobre el modelo
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.1 Flash TTS Preview convierte texto en voz. Su objetivo es una locución natural cuya narración se controla mediante indicaciones de texto. La forma de pronunciar puede definirse junto con las instrucciones de voz y las etiquetas de audio expresivas ayudan a obtener la interpretación deseada.
El texto se convierte en audio
La entrada de este modelo es texto y la salida, una grabación de audio. La entrada máxima es de 8 192 tokens y la salida máxima, de 16 384 tokens. Está diseñado para sintetizar voz a partir de texto preparado; no es un modelo normal de respuestas de texto ni de transcripción de grabaciones.
Se contempla locución con una sola voz y diálogos con varios hablantes. La pronunciación se controla con instrucciones que describen la lectura y la expresividad de las intervenciones. Para tareas de voz repetidas, el fabricante indica generación por lotes.
Formato del resultado y especialidad
El formato original de una respuesta normal es PCM sin cabecera WAV. Es una característica de esta versión preliminar concreta: no debe suponerse automáticamente que los bytes devueltos sean un archivo WAV terminado.
La ficha no anuncia caché de contexto, ejecución de código, búsqueda en archivos, llamadas a funciones, fundamentación mediante búsqueda, Google Maps, generación de imágenes, respuestas de texto estructuradas, Thinking ni lectura de direcciones web. La síntesis de voz es su tarea de salida especializada; las capacidades de los modelos de texto no se trasladan a ella.
Versión preliminar
gemini-3.1-flash-tts-preview pertenece a versiones preliminares de voz anteriores. Sus controles de voz y formato de audio deben considerarse por separado de modelos TTS posteriores. No se han anunciado para esta versión creación de una voz nueva ni reproducción a partir de una muestra; su ficha tampoco indica el número exacto de idiomas admitidos.
Las capacidades descritas corresponden al propio modelo. La forma concreta de enviar texto, ajustes de hablantes y recibir un archivo de audio depende del método de voz compatible.
Ailoot · Síntesis de voz POST /v1/audio/speech gemini-3.1-flash-tts-preview
gemini-3.1-flash-tts-previewInicio
Modelo de voz de Google para poner voz a textos, con control de la narración y etiquetas de audio expresivas.
- Entradas aceptadas
- Texto
- Resultados
- speech
Disponible en Ailoot · entradas y métodos
Ailoot · Síntesis de voz POST /v1/audio/speech
- Entrada
text- Salida
speech- Formato de salida
- bytes de audio nativos o enlaces JSON a recursos
| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.1-flash-tts-preview | Predeterminado— |
Campoinput | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— |
Campovoice | Tipostring | RequisitoOpcional | Valores y límites Kore | PredeterminadoKore |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores y límites , wav, json | Predeterminado |
Campostream_format | Tipostring | RequisitoOpcional | Valores y límites audio | Predeterminado— |
Combinaciones de materiales de entrada
text_to_speech · Obligatorio: input
Parámetros del método y ciclo de vida
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext |
Parámetrorequired | Contratonull |
Parámetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
Tarifas
Tarifas de métodos Ailoot
POST /v1/audio/speech- Entrada
- USD 0.001 / 1K
- Salida
- USD 0.02 / 1K
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Solicitudes de ejemplo
Ailoot · Síntesis de voz
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
Recibir y guardar resultados
Ailoot · Síntesis de voz
bytes de audio nativos o enlaces JSON a recursos
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva todos los resultados completados
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Una sola salida devuelve de forma predeterminada bytes de audio nativos con el Content-Type real; response_format=json o varias salidas devuelven todos los enlaces de contenido que te pertenece. No se realiza conversión solicitada a MP3/Opus/AAC/FLAC/PCM ni se usa SSE.
Si es necesario revisar la respuesta original
Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.
Campos de respuesta
| Campo | Tipo |
|---|---|
Campobinary native audio | Tipobytes |
Campomodel | Tipostring |
Camporesponse_id | Tipostring |
Campoactual_count | Tipointeger |
Campodata[] | Tipoowned audio asset link |
Errores y siguientes pasos
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Respuestaserver_error | CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión | Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación. |
Alias
Alias del modelo
Ailoot gemini-3.1-flash-tts-preview
Alias de rutas de métodos
Usa las rutas de método indicadas arriba.
ID de modelo relacionados
FAQ · Gemini 3.1 Flash Tts Preview
- ¿Qué entradas y resultados están disponibles?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:text→speech- ¿Qué campos utiliza la solicitud?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:model,input,voice,response_format,stream_format