Gemini 3.1 Flash Tts Preview

Modello vocale di Google per leggere testi ad alta voce, con controllo dello stile narrativo e tag audio espressivi.

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

Informazioni sul modello

Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.

Gemini 3.1 Flash TTS Preview converte il testo in parlato. È pensato per una lettura vocale naturale, con controllo della narrazione tramite indicazioni testuali. Lo stile di pronuncia può essere definito insieme alle istruzioni vocali e i tag audio espressivi aiutano a ottenere la resa desiderata.

Il testo diventa audio

L'input di questo modello è testo, l'output una registrazione audio. Il volume massimo dell'input è di 8 192 token, quello dell'output di 16 384 token. È pensato per sintetizzare parlato da un testo preparato; non è un normale modello per risposte testuali o per trascrivere una registrazione fornita.

Sono previste letture con una sola voce e dialoghi con più parlanti. Il controllo della pronuncia si basa su istruzioni: si possono descrivere lo stile di lettura e l'espressività delle battute. Per attività vocali ripetute, il produttore indica la generazione in batch.

Formato del risultato e specializzazione

Il formato originario della risposta normale è PCM senza intestazione WAV. È una caratteristica importante di questa specifica versione preliminare: i byte restituiti non possono essere considerati automaticamente un file WAV già pronto.

La scheda del modello non dichiara memorizzazione in cache del contesto, esecuzione di codice, ricerca nei file, chiamate di funzioni, ancoraggio alla ricerca, Google Maps, generazione di immagini, risposte testuali strutturate, Thinking né lettura del contenuto di indirizzi web. La sintesi vocale è la sua attività di output specializzata; le capacità dei modelli testuali non si trasferiscono a questa versione.

Versione preliminare

gemini-3.1-flash-tts-preview appartiene alle precedenti versioni vocali preliminari. I suoi controlli della voce e il formato audio devono essere considerati separatamente dai modelli TTS successivi. Per questa versione non sono dichiarate la creazione di un nuovo profilo vocale né la riproduzione di una voce da un campione; il numero esatto di lingue supportate non è indicato nella sua scheda.

Le capacità descritte riguardano il modello stesso. Il modo concreto di inviare testo e impostazioni dei parlanti e di ottenere un file audio dipende dal metodo vocale supportato.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Introduzione

Modello vocale di Google per leggere testi ad alta voce, con controllo dello stile narrativo e tag audio espressivi.

Input accettati: Testo
Risultati: speech

Disponibile in Ailoot · input e metodi

Ailoot · Sintesi vocale POST /v1/audio/speech

Tipi di input: text
Tipi di output: speech
Formato di output: byte audio nativi o collegamenti JSON alle risorse

Campo	Tipo	Requisito	Valori e limiti	Predefinito
Campo`model`	Tipo`string`	RequisitoObbligatorio	Valori e limiti gemini-3.1-flash-tts-preview	Predefinito—
Campo`input`	Tipo`string`	RequisitoObbligatorio	Valori e limiti Lunghezza minima: 1	Predefinito—
Campo`voice`	Tipo`string`	RequisitoFacoltativo	Valori e limiti Kore	PredefinitoKore
Campo`response_format`	Tipo`string`	RequisitoFacoltativo	Valori e limiti , wav, json	Predefinito
Campo`stream_format`	Tipo`string`	RequisitoFacoltativo	Valori e limiti audio	Predefinito—

Combinazioni di materiali in input

text_to_speech · Obbligatorio: input

Parametri e ciclo di vita del metodo

Parametro	Contratto
Parametro`material_types`	Contrattotext
Parametro`required`	Contrattonull
Parametro`optional_controls`	Contrattonull

Ciclo di vita: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.

Tariffe

Tariffe dei metodi Ailoot

Ailoot Sintesi vocalePOST /v1/audio/speech

Input: 0,001 USD / 1K
Output: 0,02 USD / 1K

Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →

Esempi di richieste

Ailoot · Sintesi vocale

Esempio di sintesi 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

Ricevi e salva i risultati

Ailoot · Sintesi vocale

byte audio nativi o collegamenti JSON alle risorse

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

Conserva tutti i risultati completati

Conserva ogni risposta, file e parte di contenuto restituiti per intero.

Un unico risultato usa per impostazione predefinita byte audio nativi con il Content-Type effettivo; response_format=json o più risultati restituiscono tutti i collegamenti di tua proprietà. Non sono previste conversioni su richiesta in MP3/Opus/AAC/FLAC/PCM né SSE.

Se occorre verificare la risposta originale

Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.

Campi della risposta

Campo	Tipo
Campo`binary native audio`	Tipobytes
Campo`model`	Tipostring
Campo`response_id`	Tipostring
Campo`actual_count`	Tipointeger
Campo`data[]`	Tipoowned audio asset link

Errori e passaggi successivi

Risposta	Condizione	Passaggio successivo
Risposta400 · `invalid_request_error`	CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi	Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione.
Risposta`server_error`	CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica	Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione.

Alias

Alias del modello

Ailoot gemini-3.1-flash-tts-preview

Alias dei percorsi dei metodi

Usa i percorsi dei metodi indicati sopra.

ID di chiamata correlati

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Quali input e risultati sono disponibili?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Quali campi usa la richiesta?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview