Gemini 3.1 Flash Tts Preview
Un modèle vocal de Google pour lire du texte à voix haute, avec un contrôle du style narratif et des balises audio expressives.
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.1 Flash TTS Preview transforme le texte en parole. Il vise une voix naturelle, avec un contrôle de la narration par des consignes textuelles. Le style de prononciation peut être défini avec les instructions vocales, tandis que les balises audio expressives aident à obtenir l’interprétation souhaitée.
Du texte à l’audio
L’entrée de ce modèle est du texte, et sa sortie un enregistrement audio. Le volume maximal est de 8 192 tokens en entrée et de 16 384 tokens en sortie. Il est conçu pour synthétiser la parole à partir d’un texte préparé ; ce n’est pas un modèle habituel de réponse textuelle ou de transcription d’un enregistrement fourni.
Une lecture par une seule voix et des dialogues avec plusieurs locuteurs sont prévus. Le contrôle de la prononciation repose sur les instructions : on peut décrire le style de lecture et l’expressivité des répliques. Pour les tâches vocales répétitives, le fabricant indique la génération par lots.
Le format du résultat et la spécialisation
Le format brut d’une réponse habituelle est du PCM sans en-tête WAV. Cette particularité est importante pour cette version préliminaire : les octets renvoyés ne doivent pas être considérés automatiquement comme un fichier WAV prêt à l’emploi.
La fiche du modèle n’annonce pas la mise en cache du contexte, l’exécution de code, la recherche dans des fichiers, les appels de fonctions, l’ancrage dans la recherche, Google Maps, la génération d’images, les réponses textuelles structurées, Thinking ou la lecture du contenu des adresses web. La synthèse vocale est sa tâche de sortie spécialisée ; les capacités des modèles textuels ne s’y transposent pas.
Une version préliminaire
gemini-3.1-flash-tts-preview fait partie des versions vocales préliminaires antérieures. Ses modes de contrôle de la voix et son format audio doivent être considérés séparément de ceux des modèles TTS suivants. Cette version n’annonce ni la création d’une nouvelle identité vocale ni la reproduction d’une voix à partir d’un exemple ; sa fiche n’indique pas le nombre exact de langues prises en charge.
Les fonctions décrites concernent le modèle lui-même. La façon précise de transmettre le texte, les réglages des locuteurs et de recevoir le fichier audio dépend de la méthode vocale prise en charge.
Ailoot · Synthèse vocale POST /v1/audio/speech gemini-3.1-flash-tts-preview
gemini-3.1-flash-tts-previewPremiers pas
Un modèle vocal de Google pour lire du texte à voix haute, avec un contrôle du style narratif et des balises audio expressives.
- Entrées acceptées
- Texte
- Résultats
- speech
Disponible dans Ailoot · entrées et méthodes
Ailoot · Synthèse vocale POST /v1/audio/speech
- Entrée
text- Sortie
speech- Format de sortie
- octets audio natifs ou liens vers les ressources dans le JSON
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.1-flash-tts-preview | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 | Par défaut— |
Champvoice | Typestring | ExigenceFacultatif | Valeurs et limites Kore | Par défautKore |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites , wav, json | Par défaut |
Champstream_format | Typestring | ExigenceFacultatif | Valeurs et limites audio | Par défaut— |
Combinaisons d’éléments d’entrée
text_to_speech · Obligatoire : input
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/audio/speech- Entrée
- 0.001 USD / 1K
- Sortie
- 0.02 USD / 1K
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot · Synthèse vocale
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
Recevoir et enregistrer les résultats
Ailoot · Synthèse vocale
octets audio natifs ou liens vers les ressources dans le JSON
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Pour un résultat unique, la sortie par défaut est constituée d’octets audio natifs avec le Content-Type réel ; avec response_format=json ou plusieurs résultats, tous les liens dont vous êtes propriétaire sont renvoyés. Aucune conversion sur demande en MP3/Opus/AAC/FLAC/PCM ni aucun SSE.
Si la réponse d’origine doit être vérifiée
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
Champs de la réponse
| Champ | Type |
|---|---|
Champbinary native audio | Typebytes |
Champmodel | Typestring |
Champresponse_id | Typestring |
Champactual_count | Typeinteger |
Champdata[] | Typeowned audio asset link |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Alias
Alias du modèle
Ailoot gemini-3.1-flash-tts-preview
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · Gemini 3.1 Flash Tts Preview
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:text→speech- Quels champs la requête utilise-t-elle ?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:model,input,voice,response_format,stream_format