Gemini 3.1 Flash Tts Preview

A Google beszédmodellje szöveg felolvasásához, az elbeszélésmód vezérlésével és kifejező hangcímkékkel.

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

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Gemini 3.1 Flash TTS Preview beszéddé alakítja a szöveget. Rendeltetése a természetes hangzású felolvasás, az elbeszélés szöveges utasításokon keresztüli vezérlésével. A kiejtésmód a beszédutasításokkal együtt adható meg, a kifejező hangcímkék pedig segítenek átadni a kívánt előadásmódot.

A szövegből hang lesz

E modell bemenete szöveg, kimenete hangfelvétel. A bemenet felső határa 8 192 token, a kimeneté 16 384 token. Előkészített szöveg beszédszintézisére készült; nem szokásos szöveges válaszadó vagy megadott felvételt átíró modell.

Egyhangos felolvasás és több beszélős párbeszéd is rendelkezésre áll. A kiejtés vezérlése utasításokra épül: leírható a felolvasás jellege és a megszólalások kifejezőereje. Ismétlődő beszédfeladatokhoz a gyártó kötegelt generálást ad meg.

Eredményformátum és szakterület

A szokásos válasz kiinduló formátuma WAV-fejléc nélküli PCM. Ez kifejezetten e korai verzió fontos sajátossága: a visszaadott bájtok nem tekinthetők automatikusan kész WAV-fájlnak.

A modell kártyája nem tüntet fel kontextusgyorsítótárazást, kódfuttatást, fájlkeresést, függvényhívást, keresési forrásokra alapozást, Google Maps használatot, képgenerálást, strukturált szöveges válaszokat, Thinking funkciót vagy webcímek tartalmának olvasását. A beszédszintézis a modell specializált kimeneti feladata; a szöveges modellek képességei nem vonatkoznak rá.

Előzetes verzió

A gemini-3.1-flash-tts-preview a korábbi előzetes beszédverziók közé tartozik. Hangvezérlési módjait és hangformátumát a későbbi TTS-modellektől külön kell figyelembe venni. Ennél a verziónál nincs feltüntetve új hangkarakter létrehozása vagy hangminta alapján történő hangreprodukció; a támogatott nyelvek pontos száma nem szerepel a kártyáján.

A leírt képességek magára a modellre vonatkoznak. A szöveg és a beszélőbeállítások küldésének, valamint a hangfájl fogadásának konkrét módját a támogatott beszédmetódus határozza meg.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Kezdő lépések

A Google beszédmodellje szöveg felolvasásához, az elbeszélésmód vezérlésével és kifejező hangcímkékkel.

Elfogadott bemenetek: Szöveg
Eredmények: speech

Elérhető az Ailootban · bemenetek és metódusok

Ailoot · Felolvasás POST /v1/audio/speech

Bemenet: text
Kimenet: speech
Kimeneti formátum: natív hangbájtok vagy JSON-formátumú médiahivatkozások

Mező	Típus	Követelmény	Értékek és korlátok	Alapértelmezett
Mező`model`	Típus`string`	KövetelményKötelező	Értékek és korlátok gemini-3.1-flash-tts-preview	Alapértelmezett—
Mező`input`	Típus`string`	KövetelményKötelező	Értékek és korlátok Minimális hossz: 1	Alapértelmezett—
Mező`voice`	Típus`string`	KövetelményOpcionális	Értékek és korlátok Kore	AlapértelmezettKore
Mező`response_format`	Típus`string`	KövetelményOpcionális	Értékek és korlátok , wav, json	Alapértelmezett
Mező`stream_format`	Típus`string`	KövetelményOpcionális	Értékek és korlátok audio	Alapértelmezett—

Bemeneti anyagok kombinációi

text_to_speech · Kötelező: input

Metódus paraméterei és életciklusa

Paraméter	Szerződés
Paraméter`material_types`	Szerződéstext
Paraméter`required`	Szerződésnull
Paraméter`optional_controls`	Szerződésnull

Életciklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.

Díjcsomagok

Ailoot-metódusok díjai

Ailoot FelolvasásPOST /v1/audio/speech

Bemenet: 0,001 USD / 1K
Kimenet: 0,02 USD / 1K

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →

Példakérések

Ailoot · Felolvasás

Beszédpélda

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

Eredmények fogadása és mentése

Ailoot · Felolvasás

natív hangbájtok vagy JSON-formátumú médiahivatkozások

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

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Egyetlen kimenet alapértelmezésben natív hangbájtokat ad tényleges Content-Type fejléccel; a response_format=json vagy több kimenet az összes saját hivatkozást adja vissza. Nincs kért MP3/Opus/AAC/FLAC/PCM átalakítás vagy SSE.

Ha az eredeti választ ellenőrizni kell

Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.

Válaszmezők

Mező	Típus
Mező`binary native audio`	Típusbytes
Mező`model`	Típusstring
Mező`response_id`	Típusstring
Mező`actual_count`	Típusinteger
Mező`data[]`	Típusowned audio asset link

Hibák és következő lépések

Válasz	Feltétel	Következő lépés
Válasz400 · `invalid_request_error`	FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték	Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt.
Válasz`server_error`	FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel	Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést.

Álnevek

Modell álnevei

Ailoot gemini-3.1-flash-tts-preview

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Milyen bemenetek és eredmények érhetők el?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Mely mezőket használja a kérés?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview