Google: Gemini 3.1 Flash TTS Preview

Google Gemini 3.1 Flash TTS Preview ממיר תסריטים כתובים לאודיו מדובר מלא הבעה. הוראות בשפה טבעית, Audio Profiles לדוברים, Director’s Notes ותגיות אודיו משולבות מעצבים את הקצב, הטון והמבטא. הוא תומך בדיאלוג מובנה וביותר מ־70 שפות, ומשתמש בפורמט הפרומפט והאודיו של 3.1.

Ailoot Ultra · דיבור POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Google Gemini 3.1 Flash TTS Preview הוא מהדורת המרת הטקסט לדיבור של משפחת Gemini 3.1 Flash Audio. הוא מקבל טקסט ומפיק אודיו מדובר עם הבעה המכוונת באמצעות פרומפט. Google מתארת את הדור הזה כשיפור בטבעיות הדיבור, ביכולת השליטה ובביצועים הרב־לשוניים, עם דיאלוג מובנה מרובה דוברים ויותר מ־70 שפות. שימוש מעשי הוא שיעור קצר עם קריינות, חילופי דברים בין דמויות או קטע מדובר שאופן ההגשה שלו חשוב לא פחות מהניסוח.

יש להכין תסריט מוגמר ובריף ביצוע. הדור הזה משתמש בהוראות בשפה טבעית בתוך קלט הטקסט כדי לכוון סגנון קולי, קצב והגשה. המהדורה של Google מציגה הוראות סצנה להגדרת המצב, Audio Profiles של דוברים להגדרת דמויות ו־Director’s Notes להכוונת קצב, טון ומבטא. יש להשאיר את החלקים האלה מזוהים בהכנת הפרומפט, כך שאפשר יהיה לבדוק בנפרד את המילים המיועדות ואת הוראות הביצוע. קל יותר לתקן בריף חסכוני מכמה תיאורים מתחרים של אותו קול.

לדוגמה, בריף חזרה מקורי יכול לתאר קריין רגוע המסביר מוצג במוזיאון, עם ניסוח בקצב מדוד וטון חם יותר במשפט האחרון. התסריט המצורף צריך לכלול את שמות המוצג האמיתיים ואת הניסוח המדויק שיש להקריא. בדיאלוג, יש לתת לדמויות פרופילים נבדלים ורצף תורים ברור. יש להשתמש בהקשר הסצנה כדי להסביר אם דובר אחד מרגיע את האחר, שואל שאלה כנה או מגיב בהפתעה מאופקת. התוצר שנוצר ואותו יש להעריך הוא הביצוע הנשמע של התסריט הזה.

תגיות אודיו משולבות מוסיפות שליטה מקומית בתוך הטקסט, ומאפשרות להבעת הדובר להשתנות בתוך משפט במקום להסתמך לחלוטין על הוראת הפתיחה. Google מתארת תגיות כשולטות בסגנון קולי, בקצב ובהגשה. יש להשתמש בהן במקומות שבהם הביצוע דורש שינוי מסוים ולהשאיר את שאר הניסוח טבעי להקראה. ההבחנה השימושית במהדורה הזו היא בין בריף הדמות או הסצנה ברמה הכללית לבין השינוי המקומי בהגשה. קטע ניטרלי קצר יכול לבסס את קול הבסיס לפני שהתסריט מוסיף הכוונה רגשית רבה יותר.

בעבודה רב־לשונית, יש לספק תסריט בשפה הסופית ולציין בבריף את המבטא וסגנון הדיבור הרצויים. ההודעה של Google מתעדת תמיכה ביותר מ־70 שפות. כהכנה עריכתית מעשית, יש לתת לשמות חוזרים איות עקבי אחד, להרחיב קיצורים דו־משמעיים כשנדרשת קריאה אחת ולבדוק מספרים בתוצאה המדוברת. תווית שפה לבדה אינה מכריעה כיצד שם מותג או מונח שאול צריכים להישמע. יש להשוות את הקטעים שמכילים את המונחים האלה לקריאה הרצויה לפני אישור קריינות ארוכה.

עמוד מודל Gemini API המדויק מציין מגבלת קלט של 8,192 טוקנים ומגבלת פלט של 16,384 טוקנים למודל התצוגה המקדימה הזה. כרטיס מודל TTS המקורי של DeepMind מציין בנפרד קלט טקסט של עד 16K טוקנים ופלט אודיו של 32K טוקנים; נתוני הכרטיס האלה נפרדים ממגבלות ההגשה של Gemini API. יש לספור את הוראות הביצוע כחלק מהקלט המוכן לצד התסריט. מכסת הפלט מבוטאת בטוקני אודיו, ולכן אינה מבטיחה משך הקלטה מסוים. יש לארגן שיעור או סיפור ארוך במקטעים קוהרנטיים, לשמור על אותו בריף דמות ולהאזין לחיבורים. בדיאלוג מתוסרט, יש לבדוק שיוך וסדר תורים נוסף על המילים המדוברות וההגשה הרגשית.

תיעוד המעבר של Google מזהה את פלט ברירת המחדל של 3.1 כ־PCM גולמי ללא כותרת מסוג audio/l16. בתי האודיו דורשים מידע השמעה או מכל מתאים בעת הכנת הקלטה ניתנת לעריכה; הוספת שם קובץ WAV בלבד אינה יוצרת כותרת WAV. יש לבדוק את הפורמט שהוחזר בפועל לפני ייבוא התוצאה. Google מציינת גם שאודיו שנוצר באמצעות Gemini 3.1 Flash TTS נושא סימן מים בלתי מורגש של SynthID. סימן המים נוגע לזיהוי אודיו שנוצר, ואינו מחליף תמליל, תוויות דוברים או בדיקת האזנה.

סגנון ההכנה של 3.1 שונה מהותית מזה של 3.8. ‏Gemini 3.8 מעביר הוראות מתמשכות וזהות דובר למטא־נתוני דיבור מובנים, משתמש בתגיות לאירועים נקודתיים בסוגריים זוויתיים ומשנה את ברירות המחדל של בקשה שהושלמה ל־WAV. יש לשמר פרומפט של 3.1 כפרומפט של 3.1, ולא לערבב לתוכו את מבנה הבקשה החדש יותר. טבלת המודלים הנתמכים של Google מציינת סינתזה של דובר יחיד ומרובת דוברים עבור 3.1, ואילו בקרות הקול המעוצב ושכפול הקול שייכות לרשומות 3.8. מהדורת Flash Live הנפרדת מטפלת בקלט אודיו אינטראקטיבי; מהדורת TTS הזו מיועדת להפקת טקסט־לאודיו שהוכן מראש.

יש לבדוק את ההקלטה מול התסריט הכתוב עבור מילים שהושמטו או חזרו, שמות, תזמון התורים והשינויים הרגשיים הרצויים. אם משפט אחד דורש הדגשה שונה, יש לתקן את ההוראה המקומית ולבדוק את המעבר המושפע. תהליך זה הופך את בריף הביצוע לשימושי: הוא מתעד מה צריך להישאר יציב אצל הדובר ומה צריך להשתנות בקטע הזה, ואילו התסריט משמר את התוכן שהקהל צריך לשמוע.

Ailoot Ultra · דיבור POST /v1/audio/speech google/gemini-3.1-flash-tts-preview

google/gemini-3.1-flash-tts-preview

Google /google/gemini-3.1-flash-tts-preview

התחלה

סוגי קלט נתמכים: טקסט
תוצאות: שמע

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · דיבור POST /v1/audio/speech

סוגי קלט: text
סוגי פלט: audio

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות google/gemini-3.1-flash-tts-preview	ברירת מחדל—
שדה`input`	סוג`string`	דרישהחובה	ערכים ומגבלות אורך מזערי: ⁦1⁩	ברירת מחדל—
שדה`voice`	סוג`string`	דרישהחובה	ערכים ומגבלות Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat אורך מזערי: ⁦1⁩	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהרשות	ערכים ומגבלות mp3, pcm	ברירת מחדלpcm
שדה`provider`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input, voice
פרמטר`material_types`	מפרטtext

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהטוקן קלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב קלט $0.002 / 1K טוקנים
תצורהטוקן פלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב פלט $0.04 / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · דיבור

השתמשו בקלט אמיתי ושמרו את התוצאה המלאה

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.1-flash-tts-preview', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Orus', 'response_format': 'pcm'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
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 response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

קבלה ושמירה של תוצאות

Ailoot Ultra · דיבור

אודיו בינארי מלא או תגובת audio_url מקורית, כותרות וכל נכס שבבעלותכם.

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

קריאות תוכן נוספות

קריאת נכסים קיימים שבבעלותכם

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

שמרו את X-Client-Request-ID שהוחזר לצורך התאמת רישומים. קראו רק ערכי task_id/asset_id שהוחזרו בפועל או את ספריית המדיה שבבעלותכם; לעולם אל תבנו URL של משימה ממזהה הפעולה ואל תשלחו שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra google/gemini-3.1-flash-tts-preview

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

google/gemini-3.1-flash-tts-preview

FAQ · Google: Gemini 3.1 Flash TTS Preview

אילו קלטים ותוצאות זמינים?: POST /v1/audio/speech · google/gemini-3.1-flash-tts-preview: text → audio
באילו שדות הבקשה משתמשת?: POST /v1/audio/speech · google/gemini-3.1-flash-tts-preview: model, input, voice, response_format, provider

Google: Gemini 3.1 Flash TTS Preview