Gemini 3.1 Flash Tts Preview

Баяндау мәнерін басқару және мәнерлі аудиотегтер арқылы мәтінді дыбыстауға арналған Google-дың сөйлеу моделі.

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

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Gemini 3.1 Flash TTS Preview мәтінді сөйлеуге айналдырады. Оның мақсаты — мәтіндік нұсқаулар арқылы баяндауды басқарып, табиғи естілетін дыбыстау жасау. Айтылу мәнерін сөйлеу нұсқауларымен бірге беруге болады, ал мәнерлі аудиотегтер қажетті орындалу тәсілін жеткізуге көмектеседі.

Мәтін аудиоға айналады

Бұл модельдің кірісі — мәтін, шығысы — аудиожазба. Кірістің шекті көлемі — 8 192 токен, шығыстыкі — 16 384 токен. Ол дайын мәтін бойынша сөйлеу синтезіне арналған; мәтіндік жауап беретін немесе жіберілген жазбаны мәтінге түсіретін кәдімгі модель емес.

Бір дауыспен дыбыстау және бірнеше сөйлеушісі бар диалогтар қарастырылған. Айтылуды басқару нұсқауларға негізделеді: оқу сипатын және репликалардың мәнерлілігін сипаттауға болады. Қайталанатын сөйлеу міндеттері үшін өндіруші пакеттік генерацияны көрсетеді.

Нәтиже форматы және мамандану

Кәдімгі жауаптың бастапқы форматы — WAV тақырыбы жоқ PCM. Бұл — дәл осы алдын ала нұсқаның маңызды ерекшелігі: қайтарылатын байттарды автоматты түрде дайын WAV файлы деп санауға болмайды.

Модель карточкасы контекстті кэштеуді, код орындауды, файлдар бойынша іздеуді, функцияларды шақыруды, іздеумен негіздеуді, Google Maps-ті, сурет генерациясын, құрылымдалған мәтіндік жауаптарды, Thinking-ті немесе веб-мекенжай мазмұнын оқуды мәлімдемейді. Сөйлеу синтезі — оның маманданған шығыс міндеті; мәтіндік модельдердің мүмкіндіктері оған таралмайды.

Алдын ала нұсқа

gemini-3.1-flash-tts-preview бұрынғы алдын ала сөйлеу нұсқаларына жатады. Оның дауысты басқару тәсілдері мен дыбыс форматын кейінгі TTS модельдерінен бөлек қарастыру керек. Бұл нұсқада жаңа дауыстық бейне жасау және үлгі бойынша дауысты қайталау мәлімделмеген; карточкасында қолдау табатын тілдердің нақты саны көрсетілмеген.

Сипатталған мүмкіндіктер модельдің өзіне қатысты. Мәтінді, сөйлеуші баптауларын беру және аудиофайлды алу тәсілін қолдау табатын сөйлеу әдісі анықтайды.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Бастау

Баяндау мәнерін басқару және мәнерлі аудиотегтер арқылы мәтінді дыбыстауға арналған Google-дың сөйлеу моделі.

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: speech

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot · Дыбыстау POST /v1/audio/speech

Кіріс: text
Шығыс: speech
Шығыс пішімі: төл пішімдегі аудио байттары немесе JSON ішіндегі ресурс сілтемелері

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер gemini-3.1-flash-tts-preview	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер Kore	ӘдепкіKore
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер , wav, json	Әдепкі
Өріс`stream_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер audio	Әдепкі—

Кіріс материалдарының үйлесімдері

text_to_speech · Міндетті: input

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`material_types`	Параметр талаптарыtext
Параметр`required`	Параметр талаптарыnull
Параметр`optional_controls`	Параметр талаптарыnull

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Әдіс құрылымдары мен ID мәндері дәл берілген; жеткізушінің мүмкіндігі сұрауды қабылдаудан бөлек қаралады.

Тарифтер

Ailoot әдістерінің мөлшерлемелері

Ailoot ДыбыстауPOST /v1/audio/speech

Кіріс: 0,001 $ / 1K
Шығыс: 0,02 $ / 1K

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot · Дыбыстау

Дыбыстау мысалы

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

Нәтижелерді алу және сақтау

Ailoot · Дыбыстау

төл пішімдегі аудио байттары немесе JSON ішіндегі ресурс сілтемелері

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

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Бір шығыс нәтижесі әдепкіде нақты Content-Type мәнімен төл аудио байттарын береді; response_format=json немесе бірнеше шығыс нәтижесі иелігіңіздегі барлық сілтемені қайтарады. Сұралған MP3/Opus/AAC/FLAC/PCM түрлендіруі немесе SSE қолданылмайды.

Бастапқы жауапты тексеру қажет болса

Қайта жібермей салыстырып тексеру үшін бастапқы operation_id/X-Client-Request-ID мәнін сақтаңыз; аудио күйін мерзімді түрде сұратуға арналған жеке маршрут жоқ.

Жауап өрістері

Өріс	Түрі
Өріс`binary native audio`	Түріbytes
Өріс`model`	Түріstring
Өріс`response_id`	Түріstring
Өріс`actual_count`	Түріinteger
Өріс`data[]`	Түріowned audio asset link

Қателер және келесі қадамдар

Жауап	Шарт	Келесі қадам
Жауап400 · `invalid_request_error`	ШартМіндетті өрістер, материалды ұсыну тәсілі немесе параметр мәні қате	Келесі қадамЖаңадан жасау сұрауын жібермес бұрын көрсетілген өрістерді түзетіңіз.
Жауап`server_error`	ШартҚайтарылған жауапта операцияны немесе нәтижені тексеру қажет екені көрсетілген	Келесі қадамБастапқыда қайтарылған операцияның/тапсырманың ID мәнін, сұрау тақырыптарын және жауабын сақтаңыз; сол бастапқы операцияны қолдау көрсетілетін тәсілдермен оқуды жалғастырыңыз. Жасау сұрауын қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot gemini-3.1-flash-tts-preview

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview