A Google Gemini 3.1 Flash TTS Preview a Gemini 3.1 Flash Audio család szövegfelolvasó kiadása. Szöveget fogad, és prompttal irányított kifejezésmódú beszédhangot állít elő. A Google ezt a generációt a beszéd természetessége, vezérelhetősége és többnyelvű teljesítménye terén előrelépésként írja le, natív többbeszélős párbeszéddel és több mint 70 nyelvvel. Gyakorlati felhasználás egy rövid narrált lecke, karakterek közötti párbeszéd vagy olyan elmondott szövegrész, amelynél az előadásmód legalább annyira fontos, mint a megfogalmazás.
Készítsen elő végleges forgatókönyvet és előadásmódra vonatkozó feladatleírást. Ez a generáció a szöveges bemeneten belüli természetes nyelvű utasításokkal irányítja a hang stílusát, tempóját és előadását. A Google kiadása jelenetrendezési utasítást vezet be a helyzet meghatározására, beszélői Audio Profiles leírásokat a karakterek kialakítására és Director’s Notes utasításokat a tempó, hangszín és akcentus irányítására. A prompt előkészítésekor e részek legyenek azonosíthatók, hogy a kívánt szavak és az előadási utasítások egymástól függetlenül ellenőrizhetők legyenek. Egy tömör feladatleírás könnyebben módosítható, mint ugyanannak a hangnak több versengő leírása.
Például egy önálló próbafeladat leírhat nyugodt narrátort, aki kimért beszédmóddal magyaráz egy múzeumi kiállítási tárgyat, az utolsó mondatban melegebb hangszínnel. A kísérő forgatókönyv tartalmazza a kiállítási tárgy tényleges neveit és a pontosan megszólaltatandó szöveget. Párbeszédhez adjon a karaktereknek eltérő profilokat és egyértelmű megszólalási sorrendet. A jelenet kontextusával magyarázza el, hogy az egyik beszélő megnyugtatja-e a másikat, valódi kérdést tesz-e fel vagy visszafogott meglepetéssel reagál-e. Az értékelendő generált eredmény e forgatókönyv hallható előadása.
A beágyazott hangcímkék helyi vezérlést adnak a szövegen belül, lehetővé téve, hogy a beszélő kifejezésmódja egy mondaton belül változzon, ne teljes egészében a kezdő utasításra támaszkodjon. A Google a címkéket a hangstílus, tempó és előadásmód vezérlőiként írja le. Ott használja őket, ahol az előadásnak meghatározott váltásra van szüksége, a szöveg többi része pedig maradjon természetesen kimondható. E kiadásban a hasznos különbség a magas szintű karakter- vagy jelenetleírás és a helyi előadásmód-váltás között van. Egy rövid, semleges szövegrész meghatározhatja az alaphangot, mielőtt a forgatókönyv több érzelmi utasítást ad hozzá.
Többnyelvű munkához a végleges nyelvű forgatókönyvet adja meg, és a feladatleírásban határozza meg a kívánt akcentust és beszédstílust. A Google bejelentése több mint 70 nyelv támogatását dokumentálja. Gyakorlati szerkesztői előkészítésként a visszatérő neveknek adjon egységes írásmódot, bontsa ki a kétértelmű rövidítéseket, ha egyetlen olvasat szükséges, és ellenőrizze a számokat a beszédben. Egy nyelvi címke önmagában nem dönti el, hogyan hangozzon egy márkanév vagy kölcsönszó. Hosszú narráció elfogadása előtt vesse össze az ilyen kifejezéseket tartalmazó részeket a kívánt olvasattal.
A konkrét Gemini API-modelloldal ehhez az előzetes modellhez 8 192 tokenes bemeneti és 16 384 tokenes kimeneti korlátot sorol fel. A DeepMind natív TTS-modellkártyája külön legfeljebb 16K tokenes szövegbemenetet és 32K tokenes hangkimenetet ad meg; ezek a modellkártyaértékek különböznek a Gemini API-kiszolgálási korlátoktól. A forgatókönyv mellett az előadási utasításokat is az előkészített bemenet részeként számolja. A kimeneti keret hangtokenekben van megadva, ezért nem garantál meghatározott felvételi időtartamot. Hosszú leckét vagy történetet rendezzen összefüggő szakaszokba, őrizze meg ugyanazt a karakterleírást, és hallgassa meg az illesztéseket. Megírt párbeszédnél a kimondott szavakon és érzelmi előadáson túl a beszélő-hozzárendelést és a megszólalási sorrendet is ellenőrizze.
A Google migrációs dokumentációja a 3.1 alapértelmezett kimenetét fejléc nélküli nyers PCM-ként azonosítja audio/l16 típussal. Szerkeszthető felvétel előkészítésekor a hangbájtokhoz megfelelő lejátszási vagy konténerinformáció kell; önmagában a WAV-fájlnév hozzáadása nem hoz létre WAV-fejlécet. Importálás előtt ellenőrizze a ténylegesen visszakapott formátumot. A Google azt is állítja, hogy a Gemini 3.1 Flash TTS által generált hang észrevehetetlen SynthID-vízjelet hordoz. A vízjel a generált hang azonosítására szolgál, és nem helyettesíti az átiratot, a beszélőcímkéket vagy a visszahallgatásos ellenőrzést.
A 3.1 előkészítési stílusa lényegesen eltér a 3.8-étól. A Gemini 3.8 a tartós utasításokat és beszélőazonosságot strukturált beszédmetaadatokba helyezi, csúcsos zárójelű, adott pontra vonatkozó eseménycímkéket használ, és a befejezett kérések alapértelmezését WAV-ra változtatja. A 3.1 promptot 3.1 promptként őrizze meg, ne keverje bele az újabb kérési szerkezetet. A Google támogatott modelleket felsoroló táblázata a 3.1-hez egy- és többbeszélős szintézist sorol fel, míg az egyedileg megtervezett hangok és hangmásolás vezérlői a 3.8 bejegyzéseihez tartoznak. A külön Flash Live kiadás interaktív hangbemenetet kezel; ez a TTS kiadás előkészített szöveg–hang előállításra szolgál.
Ellenőrizze a felvételt az írott forgatókönyv alapján kihagyott vagy ismételt szavakra, nevekre, megszólalási időzítésre és a kívánt érzelmi változásokra. Ha egy mondat más hangsúlyt igényel, módosítsa a helyi utasítást, és vizsgálja meg az érintett átmenetet. Ez a munkafolyamat teszi hasznossá az előadásleírást: rögzíti, minek kell állandónak maradnia a beszélőnél és minek kell változnia az adott részben, miközben a forgatókönyv megőrzi a közönség által hallandó tartalmat.
", "aboutText": "A Google Gemini 3.1 Flash TTS Preview a Gemini 3.1 Flash Audio család szövegfelolvasó kiadása. Szöveget fogad, és prompttal irányított kifejezésmódú beszédhangot állít elő. A Google ezt a generációt a beszéd természetessége, vezérelhetősége és többnyelvű teljesítménye terén előrelépésként írja le, natív többbeszélős párbeszéddel és több mint 70 nyelvvel. Gyakorlati felhasználás egy rövid narrált lecke, karakterek közötti párbeszéd vagy olyan elmondott szövegrész, amelynél az előadásmód legalább annyira fontos, mint a megfogalmazás.\n\nKészítsen elő végleges forgatókönyvet és előadásmódra vonatkozó feladatleírást. Ez a generáció a szöveges bemeneten belüli természetes nyelvű utasításokkal irányítja a hang stílusát, tempóját és előadását. A Google kiadása jelenetrendezési utasítást vezet be a helyzet meghatározására, beszélői Audio Profiles leírásokat a karakterek kialakítására és Director’s Notes utasításokat a tempó, hangszín és akcentus irányítására. A prompt előkészítésekor e részek legyenek azonosíthatók, hogy a kívánt szavak és az előadási utasítások egymástól függetlenül ellenőrizhetők legyenek. Egy tömör feladatleírás könnyebben módosítható, mint ugyanannak a hangnak több versengő leírása.\n\nPéldául egy önálló próbafeladat leírhat nyugodt narrátort, aki kimért beszédmóddal magyaráz egy múzeumi kiállítási tárgyat, az utolsó mondatban melegebb hangszínnel. A kísérő forgatókönyv tartalmazza a kiállítási tárgy tényleges neveit és a pontosan megszólaltatandó szöveget. Párbeszédhez adjon a karaktereknek eltérő profilokat és egyértelmű megszólalási sorrendet. A jelenet kontextusával magyarázza el, hogy az egyik beszélő megnyugtatja-e a másikat, valódi kérdést tesz-e fel vagy visszafogott meglepetéssel reagál-e. Az értékelendő generált eredmény e forgatókönyv hallható előadása.\n\nA beágyazott hangcímkék helyi vezérlést adnak a szövegen belül, lehetővé téve, hogy a beszélő kifejezésmódja egy mondaton belül változzon, ne teljes egészében a kezdő utasításra támaszkodjon. A Google a címkéket a hangstílus, tempó és előadásmód vezérlőiként írja le. Ott használja őket, ahol az előadásnak meghatározott váltásra van szüksége, a szöveg többi része pedig maradjon természetesen kimondható. E kiadásban a hasznos különbség a magas szintű karakter- vagy jelenetleírás és a helyi előadásmód-váltás között van. Egy rövid, semleges szövegrész meghatározhatja az alaphangot, mielőtt a forgatókönyv több érzelmi utasítást ad hozzá.\n\nTöbbnyelvű munkához a végleges nyelvű forgatókönyvet adja meg, és a feladatleírásban határozza meg a kívánt akcentust és beszédstílust. A Google bejelentése több mint 70 nyelv támogatását dokumentálja. Gyakorlati szerkesztői előkészítésként a visszatérő neveknek adjon egységes írásmódot, bontsa ki a kétértelmű rövidítéseket, ha egyetlen olvasat szükséges, és ellenőrizze a számokat a beszédben. Egy nyelvi címke önmagában nem dönti el, hogyan hangozzon egy márkanév vagy kölcsönszó. Hosszú narráció elfogadása előtt vesse össze az ilyen kifejezéseket tartalmazó részeket a kívánt olvasattal.\n\nA konkrét Gemini API-modelloldal ehhez az előzetes modellhez 8 192 tokenes bemeneti és 16 384 tokenes kimeneti korlátot sorol fel. A DeepMind natív TTS-modellkártyája külön legfeljebb 16K tokenes szövegbemenetet és 32K tokenes hangkimenetet ad meg; ezek a modellkártyaértékek különböznek a Gemini API-kiszolgálási korlátoktól. A forgatókönyv mellett az előadási utasításokat is az előkészített bemenet részeként számolja. A kimeneti keret hangtokenekben van megadva, ezért nem garantál meghatározott felvételi időtartamot. Hosszú leckét vagy történetet rendezzen összefüggő szakaszokba, őrizze meg ugyanazt a karakterleírást, és hallgassa meg az illesztéseket. Megírt párbeszédnél a kimondott szavakon és érzelmi előadáson túl a beszélő-hozzárendelést és a megszólalási sorrendet is ellenőrizze.\n\nA Google migrációs dokumentációja a 3.1 alapértelmezett kimenetét fejléc nélküli nyers PCM-ként azonosítja audio/l16 típussal. Szerkeszthető felvétel előkészítésekor a hangbájtokhoz megfelelő lejátszási vagy konténerinformáció kell; önmagában a WAV-fájlnév hozzáadása nem hoz létre WAV-fejlécet. Importálás előtt ellenőrizze a ténylegesen visszakapott formátumot. A Google azt is állítja, hogy a Gemini 3.1 Flash TTS által generált hang észrevehetetlen SynthID-vízjelet hordoz. A vízjel a generált hang azonosítására szolgál, és nem helyettesíti az átiratot, a beszélőcímkéket vagy a visszahallgatásos ellenőrzést.\n\nA 3.1 előkészítési stílusa lényegesen eltér a 3.8-étól. A Gemini 3.8 a tartós utasításokat és beszélőazonosságot strukturált beszédmetaadatokba helyezi, csúcsos zárójelű, adott pontra vonatkozó eseménycímkéket használ, és a befejezett kérések alapértelmezését WAV-ra változtatja. A 3.1 promptot 3.1 promptként őrizze meg, ne keverje bele az újabb kérési szerkezetet. A Google támogatott modelleket felsoroló táblázata a 3.1-hez egy- és többbeszélős szintézist sorol fel, míg az egyedileg megtervezett hangok és hangmásolás vezérlői a 3.8 bejegyzéseihez tartoznak. A külön Flash Live kiadás interaktív hangbemenetet kezel; ez a TTS kiadás előkészített szöveg–hang előállításra szolgál.\n\nEllenőrizze a felvételt az írott forgatókönyv alapján kihagyott vagy ismételt szavakra, nevekre, megszólalási időzítésre és a kívánt érzelmi változásokra. Ha egy mondat más hangsúlyt igényel, módosítsa a helyi utasítást, és vizsgálja meg az érintett átmenetet. Ez a munkafolyamat teszi hasznossá az előadásleírást: rögzíti, minek kell állandónak maradnia a beszélőnél és minek kell változnia az adott részben, miközben a forgatókönyv megőrzi a közönség által hallandó tartalmat.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "27ddb48da33899274bc7216dd0a96dfd43514cf4e2bbf60d181e6b3deef2a974", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "google/gemini-3.1-flash-tts-previewA Google Gemini 3.1 Flash TTS Preview írott forgatókönyveket alakít kifejező beszédhanggá. Természetes nyelvű rendezői utasítások, beszélői Audio Profiles, Director’s Notes és beágyazott hangcímkék alakítják a tempót, hangszínt és akcentust. Natív párbeszédet és több mint 70 nyelvet támogat a 3.1 prompt- és hangformátumával.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Google Gemini 3.1 Flash TTS Preview a Gemini 3.1 Flash Audio család szövegfelolvasó kiadása. Szöveget fogad, és prompttal irányított kifejezésmódú beszédhangot állít elő. A Google ezt a generációt a beszéd természetessége, vezérelhetősége és többnyelvű teljesítménye terén előrelépésként írja le, natív többbeszélős párbeszéddel és több mint 70 nyelvvel. Gyakorlati felhasználás egy rövid narrált lecke, karakterek közötti párbeszéd vagy olyan elmondott szövegrész, amelynél az előadásmód legalább annyira fontos, mint a megfogalmazás.
Készítsen elő végleges forgatókönyvet és előadásmódra vonatkozó feladatleírást. Ez a generáció a szöveges bemeneten belüli természetes nyelvű utasításokkal irányítja a hang stílusát, tempóját és előadását. A Google kiadása jelenetrendezési utasítást vezet be a helyzet meghatározására, beszélői Audio Profiles leírásokat a karakterek kialakítására és Director’s Notes utasításokat a tempó, hangszín és akcentus irányítására. A prompt előkészítésekor e részek legyenek azonosíthatók, hogy a kívánt szavak és az előadási utasítások egymástól függetlenül ellenőrizhetők legyenek. Egy tömör feladatleírás könnyebben módosítható, mint ugyanannak a hangnak több versengő leírása.
Például egy önálló próbafeladat leírhat nyugodt narrátort, aki kimért beszédmóddal magyaráz egy múzeumi kiállítási tárgyat, az utolsó mondatban melegebb hangszínnel. A kísérő forgatókönyv tartalmazza a kiállítási tárgy tényleges neveit és a pontosan megszólaltatandó szöveget. Párbeszédhez adjon a karaktereknek eltérő profilokat és egyértelmű megszólalási sorrendet. A jelenet kontextusával magyarázza el, hogy az egyik beszélő megnyugtatja-e a másikat, valódi kérdést tesz-e fel vagy visszafogott meglepetéssel reagál-e. Az értékelendő generált eredmény e forgatókönyv hallható előadása.
A beágyazott hangcímkék helyi vezérlést adnak a szövegen belül, lehetővé téve, hogy a beszélő kifejezésmódja egy mondaton belül változzon, ne teljes egészében a kezdő utasításra támaszkodjon. A Google a címkéket a hangstílus, tempó és előadásmód vezérlőiként írja le. Ott használja őket, ahol az előadásnak meghatározott váltásra van szüksége, a szöveg többi része pedig maradjon természetesen kimondható. E kiadásban a hasznos különbség a magas szintű karakter- vagy jelenetleírás és a helyi előadásmód-váltás között van. Egy rövid, semleges szövegrész meghatározhatja az alaphangot, mielőtt a forgatókönyv több érzelmi utasítást ad hozzá.
Többnyelvű munkához a végleges nyelvű forgatókönyvet adja meg, és a feladatleírásban határozza meg a kívánt akcentust és beszédstílust. A Google bejelentése több mint 70 nyelv támogatását dokumentálja. Gyakorlati szerkesztői előkészítésként a visszatérő neveknek adjon egységes írásmódot, bontsa ki a kétértelmű rövidítéseket, ha egyetlen olvasat szükséges, és ellenőrizze a számokat a beszédben. Egy nyelvi címke önmagában nem dönti el, hogyan hangozzon egy márkanév vagy kölcsönszó. Hosszú narráció elfogadása előtt vesse össze az ilyen kifejezéseket tartalmazó részeket a kívánt olvasattal.
A konkrét Gemini API-modelloldal ehhez az előzetes modellhez 8 192 tokenes bemeneti és 16 384 tokenes kimeneti korlátot sorol fel. A DeepMind natív TTS-modellkártyája külön legfeljebb 16K tokenes szövegbemenetet és 32K tokenes hangkimenetet ad meg; ezek a modellkártyaértékek különböznek a Gemini API-kiszolgálási korlátoktól. A forgatókönyv mellett az előadási utasításokat is az előkészített bemenet részeként számolja. A kimeneti keret hangtokenekben van megadva, ezért nem garantál meghatározott felvételi időtartamot. Hosszú leckét vagy történetet rendezzen összefüggő szakaszokba, őrizze meg ugyanazt a karakterleírást, és hallgassa meg az illesztéseket. Megírt párbeszédnél a kimondott szavakon és érzelmi előadáson túl a beszélő-hozzárendelést és a megszólalási sorrendet is ellenőrizze.
A Google migrációs dokumentációja a 3.1 alapértelmezett kimenetét fejléc nélküli nyers PCM-ként azonosítja audio/l16 típussal. Szerkeszthető felvétel előkészítésekor a hangbájtokhoz megfelelő lejátszási vagy konténerinformáció kell; önmagában a WAV-fájlnév hozzáadása nem hoz létre WAV-fejlécet. Importálás előtt ellenőrizze a ténylegesen visszakapott formátumot. A Google azt is állítja, hogy a Gemini 3.1 Flash TTS által generált hang észrevehetetlen SynthID-vízjelet hordoz. A vízjel a generált hang azonosítására szolgál, és nem helyettesíti az átiratot, a beszélőcímkéket vagy a visszahallgatásos ellenőrzést.
A 3.1 előkészítési stílusa lényegesen eltér a 3.8-étól. A Gemini 3.8 a tartós utasításokat és beszélőazonosságot strukturált beszédmetaadatokba helyezi, csúcsos zárójelű, adott pontra vonatkozó eseménycímkéket használ, és a befejezett kérések alapértelmezését WAV-ra változtatja. A 3.1 promptot 3.1 promptként őrizze meg, ne keverje bele az újabb kérési szerkezetet. A Google támogatott modelleket felsoroló táblázata a 3.1-hez egy- és többbeszélős szintézist sorol fel, míg az egyedileg megtervezett hangok és hangmásolás vezérlői a 3.8 bejegyzéseihez tartoznak. A külön Flash Live kiadás interaktív hangbemenetet kezel; ez a TTS kiadás előkészített szöveg–hang előállításra szolgál.
Ellenőrizze a felvételt az írott forgatókönyv alapján kihagyott vagy ismételt szavakra, nevekre, megszólalási időzítésre és a kívánt érzelmi változásokra. Ha egy mondat más hangsúlyt igényel, módosítsa a helyi utasítást, és vizsgálja meg az érintett átmenetet. Ez a munkafolyamat teszi hasznossá az előadásleírást: rögzíti, minek kell állandónak maradnia a beszélőnél és minek kell változnia az adott részben, miközben a forgatókönyv megőrzi a közönség által hallandó tartalmat.
POST /v1/audio/speechtextaudio| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok google/gemini-3.1-flash-tts-preview | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményKötelező | Értékek és korlátok 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 Minimális hossz: 1 | Alapértelmezett— |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, pcm | Alapértelmezettpcm |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, input, voice |
Paramétermaterial_types | Szerződéstext |
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 díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon.
| Beállítás | Díjtáblázat | Elszámolási egység | Díj |
|---|---|---|---|
| BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek — / 1K token Kimenet · Kimeneti tokenek — / 1K token Bemenet · Gyorsítótár olvasása — / 1K token Bemenet · Írás a gyorsítótárba — / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
| Beállításbemeneti token | Díjtáblázat— | Elszámolási egység/ 1K token | Díj Bemenet $0.002 / 1K token |
| Beállításkimeneti token | Díjtáblázat— | Elszámolási egység/ 1K token | Díj Kimenet $0.04 / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.1-flash-tts-preview', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Orus', 'response_format': 'pcm'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nTeljes bináris hang vagy eredeti audio_url válasz, fejlécek és minden saját médiaállomány.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nŐrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül.
Őrizze meg a visszaadott X-Client-Request-ID értéket az egyeztetéshez. Csak a ténylegesen visszaadott task_id/asset_id értékekkel kérdezzen le, vagy használja a saját médiatárat; soha ne állítson össze feladat-URL-t a műveletazonosítóból, és soha ne küldje be újra a létrehozási kérést.
Ailoot Ultra google/gemini-3.1-flash-tts-preview
Használja a fent látható metódusútvonalakat.