Gemini 3.1 Flash Tts Preview

Googlen puhemalli tekstin lukemiseen ääneen kerrontatyylin ohjauksella ja ilmeikkäillä äänitunnisteilla.

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

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Gemini 3.1 Flash TTS Preview muuntaa tekstin puheeksi. Se on tarkoitettu luonnolliselta kuulostavaan ääneenlukemiseen, jossa kerrontaa ohjataan tekstiohjeilla. Esitystapa voidaan määrittää yhdessä puheohjeiden kanssa, ja ilmeikkäät äänitunnisteet auttavat toteuttamaan halutun sävyn.

Tekstistä ääneksi

Mallin syöte on tekstiä ja tuloste äänitallenne. Syötteen enimmäiskoko on 8 192 tokenia ja tulosteen 16 384 tokenia. Se on suunniteltu puhesynteesiin valmiin tekstin pohjalta; se ei ole tavallinen tekstivastausten tai lähetettyjen tallenteiden litteroinnin malli.

Tarjolla on yhden äänen ääneenluku ja usean puhujan keskustelut. Puheen ohjaus perustuu ohjeisiin: lukutapaa ja repliikkien ilmeikkyyttä voidaan kuvailla. Valmistaja ilmoittaa toistuviin puhetehtäviin erägeneroinnin.

Tuloksen muoto ja erikoistuminen

Tavallisen vastauksen alkuperäinen muoto on PCM ilman WAV-otsaketta. Tämä on juuri tämän esiversion tärkeä ominaisuus: palautettuja tavuja ei voi automaattisesti pitää valmiina WAV-tiedostona.

Mallikortti ei ilmoita kontekstin välimuistia, koodin suoritusta, tiedostohakua, funktiokutsuja, hakutuloksiin perustuvaa ankkurointia, Google Maps -palvelua, kuvagenerointia, rakenteisia tekstivastauksia, Thinking-ominaisuutta eikä verkko-osoitteiden sisällön lukemista. Puhesynteesi on sen erikoistunut tulostetehtävä; tekstimallien ominaisuudet eivät siirry siihen.

Esiversio

gemini-3.1-flash-tts-preview kuuluu aiempiin puheen esiversioihin. Sen äänenohjaustapoja ja ääniformaattia on tarkasteltava erillään myöhemmistä TTS-malleista. Tälle versiolle ei ilmoiteta uuden äänihahmon luomista eikä äänen jäljittelyä näytteen perusteella; tarkkaa tuettujen kielten määrää ei mainita sen kortissa.

Kuvatut ominaisuudet koskevat itse mallia. Tekstin ja puhujan asetusten lähettämistapa sekä äänitiedoston saaminen riippuvat tuetusta puhemenetelmästä.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Aloitus

Googlen puhemalli tekstin lukemiseen ääneen kerrontatyylin ohjauksella ja ilmeikkäillä äänitunnisteilla.

Hyväksytyt syötteet: Teksti
Tulokset: speech

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot · Puhesynteesi POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: speech
Tulosteen muoto: natiivit äänitavut tai JSON-aineistolinkit

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat gemini-3.1-flash-tts-preview	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusValinnainen	Arvot & rajat Kore	OletusKore
Kenttä`response_format`	Tyyppi`string`	VaatimusValinnainen	Arvot & rajat , wav, json	Oletus
Kenttä`stream_format`	Tyyppi`string`	VaatimusValinnainen	Arvot & rajat audio	Oletus—

Syöteaineistojen yhdistelmät

text_to_speech · Pakollinen: input

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`material_types`	Sopimustext
Parametri`required`	Sopimusnull
Parametri`optional_controls`	Sopimusnull

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Menetelmien rakenteet ja ID:t ovat täsmällisiä; toimittajan kyvykkyys on erillinen pyynnön hyväksymisestä.

Hinnoittelu

Ailoot-menetelmien hinnat

Ailoot PuhesynteesiPOST /v1/audio/speech

Syöte: 0,001 $ / 1K
Tuloste: 0,02 $ / 1K

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot · Puhesynteesi

Puhe-esimerkki

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

Vastaanota ja tallenna tulokset

Ailoot · Puhesynteesi

natiivit äänitavut tai JSON-aineistolinkit

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

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Yksi tulos palautetaan oletuksena natiiveina äänitavuina todellisella Content-Type-otsakkeella; response_format=json tai useampi tulos palauttaa kaikki käyttäjälle kuuluvat linkit. Pyydettyä MP3/Opus/AAC/FLAC/PCM-muunnosta tai SSE:tä ei tehdä.

Jos alkuperäinen vastaus on tarkistettava

Säilytä alkuperäinen operation_id/X-Client-Request-ID täsmäytystä varten lähettämättä pyyntöä uudelleen; erillistä äänen tilakyselyreittiä ei ole.

Vastauksen kentät

Kenttä	Tyyppi
Kenttä`binary native audio`	Tyyppibytes
Kenttä`model`	Tyyppistring
Kenttä`response_id`	Tyyppistring
Kenttä`actual_count`	Tyyppiinteger
Kenttä`data[]`	Tyyppiowned audio asset link

Virheet ja seuraavat vaiheet

Vastaus	Ehto	Seuraava vaihe
Vastaus400 · `invalid_request_error`	EhtoVirheelliset pakolliset kentät, aineiston esitysmuoto tai parametrin arvo	Seuraava vaiheKorjaa ilmoitetut kentät ennen uutta luontipyyntöä.
Vastaus`server_error`	EhtoPalautettu vastaus ilmoittaa, että operaatio tai tulos edellyttää tarkistusta	Seuraava vaiheSäilytä alkuperäinen palautettu operaation tai tehtävän ID, pyynnön otsakkeet ja vastaus; jatka kyseisen alkuperäisen operaation tuettuja lukutoimintoja. Älä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot gemini-3.1-flash-tts-preview

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview