Google: Gemini 3.1 Flash TTS Preview

Google Gemini 3.1 Flash TTS Preview жазбаша сценарийлерді мәнерлі сөйлеу аудиосына айналдырады. Табиғи тілдегі нұсқаулар, сөйлеушінің Audio Profiles сипаттамалары, Director’s Notes және мәтінішілік аудио тегтері қарқынды, үнді және акцентті қалыптастырады. Ол 3.1 промпты мен аудио пішімін қолданып, диалогты тікелей жасауды және 70-тен астам тілді қолдайды.

Ailoot Ultra · Сөйлеу POST /v1/audio/speech google/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.

Google Gemini 3.1 Flash TTS Preview — Gemini 3.1 Flash Audio тобының мәтінді сөйлеуге айналдыратын нұсқасы. Ол мәтін қабылдап, промпт бағыттайтын мәнерлі сөйлеу аудиосын шығарады. Google бұл буынды сөйлеу табиғилығы, басқарылуы және көптілді нәтижелілігі жақсарған, бірнеше сөйлеушінің диалогын тікелей жасайтын және 70-тен астам тілді қолдайтын нұсқа деп сипаттайды. Іс жүзіндегі қолдану — қысқа дыбысталған сабақ, кейіпкерлер әңгімесі немесе айтылымы сөздері сияқты маңызды ауызша үзінді.

Дайын сценарий мен орындау тапсырмасын әзірлеңіз. Бұл буын дауыс стилін, қарқынын және айтылымын бағыттау үшін мәтін кірісіндегі табиғи тіл нұсқауларын қолданады. Google шығарылымы жағдайды анықтайтын сахналық бағытты, кейіпкерлерді анықтайтын сөйлеуші Audio Profiles сипаттамаларын және қарқын, үн, акцентті бағыттайтын Director’s Notes нұсқауларын енгізеді. Көзделген сөздер мен орындау нұсқауларын жеке тексеру үшін промпт дайындағанда бұл бөліктерді анық ажыратып беріңіз. Бір дауыстың бірнеше бәсекелес сипаттамасынан гөрі ықшам тапсырманы түзету оңай.

Мысалы, бастапқы репетиция тапсырмасы музей экспонатын сабырлы диктордың бірқалыпты тіркестермен, соңғы сөйлемде жылырақ үнмен түсіндіруін сипаттай алады. Қатар берілген сценарийде экспонаттың нақты атаулары мен айтылуы қажет дәл мәтін болуы керек. Диалогта кейіпкерлерге бөлек профильдер мен анық кезек ретін беріңіз. Бір сөйлеуші екіншісін жұбата ма, шынайы сұрақ қоя ма, әлде ұстамды таңданыспен жауап бере ме, сахна контекстімен түсіндіріңіз. Бағаланатын жасалған артефакт — сол сценарийдің естілетін орындалуы.

Мәтінішілік аудио тегтері мәтіннің белгілі бір жеріндегі айтылымды басқаруға мүмкіндік беріп, сөйлеушінің мәнерін түгелдей бастапқы нұсқауға сүйенбей, бір сөйлемнің ішінде өзгертуге мүмкіндік береді. Google тегтерді дауыс стилін, қарқынды және айтылымды басқаратын құрал деп сипаттайды. Оларды орындауда нақты ауысу қажет жерде қолданып, қалған мәтінді айтуға табиғи ұстаңыз. Осы нұсқадағы пайдалы айырмашылық — кейіпкер не көріністің жалпы тапсырмасы мен жергілікті айтылым өзгерісінің арасы. Сценарийге эмоциялық бағыт қоспас бұрын қысқа бейтарап үзінді негізгі дауысты анықтай алады.

Көптілді жұмыс үшін соңғы тілдегі сценарийді беріп, тапсырмада қажетті акцент пен сөйлеу стилін айтыңыз. Google хабарландыруы 70-тен астам тілді қолдауды құжаттайды. Редакциялық дайындықта қайталанатын есімдерге бірізді жазылым беріңіз, бір оқылу қажет болса екіұшты қысқартуларды толық жазыңыз және айтылған нәтижедегі сандарды тексеріңіз. Тіл белгісінің өзі бренд атауы не кірме термин қалай дыбысталуы керек екенін шешпейді. Ұзақ дикторлық мәтінді қабылдамас бұрын сол терминдері бар үзінділерді көзделген оқылумен салыстырыңыз.

Дәл Gemini API модель беті осы алдын ала модель үшін кіріс шегін 8,192, шығыс шегін 16,384 токен деп көрсетеді. DeepMind төл TTS модель картасы мәтін кірісін 16K токенге дейін, аудио шығысын 32K токен деп бөлек көрсетеді; ол сандар Gemini API қызмет шектерінен өзгеше. Орындау нұсқауларын сценариймен бірге дайын кірістің бөлігі ретінде есептеңіз. Шығыс көлемі аудио токендермен берілген, сондықтан белгілі жазба ұзақтығына кепіл емес. Ұзақ сабақ не әңгімені тұтас бөлімдерге бөліп, бір кейіпкер тапсырмасын сақтаңыз және түйістерін тыңдаңыз. Сценарийлі диалогта айтылған сөздер мен эмоциялық орындауға қоса сөйлеуші сәйкестігін және кезек ретін тексеріңіз.

Google көшу құжаттамасы 3.1 әдепкі шығысын audio/l16 түріндегі тақырыпсыз raw PCM деп көрсетеді. Өңделетін жазба дайындағанда аудио байттарына тиісті ойнату не контейнер ақпараты қажет; тек WAV файл атауын беру WAV тақырыбын жасамайды. Нәтижені импорттамас бұрын нақты қайтарылған пішімді тексеріңіз. Google Gemini 3.1 Flash TTS жасаған аудиода сезілмейтін SynthID сутаңбасы барын да айтады. Сутаңба жасалған аудионы анықтауға қатысты; ол транскриптті, сөйлеуші белгілерін немесе тыңдау тексерісін алмастырмайды.

3.1 дайындау стилі 3.8 нұсқасынан елеулі өзгеше. Gemini 3.8 тұрақты нұсқаулар мен сөйлеушіні анықтайтын деректерді құрылымдалған сөйлеу метадеректеріне көшіреді, бұрышты жақшадағы нүктелік оқиға тегтерін қолданады және аяқталған сұраудың әдепкісін WAV-қа өзгертеді. Жаңарақ сұрау құрылымын араластырмай, 3.1 промптын 3.1 промпты күйінде сақтаңыз. Google қолдау табатын модельдер кестесінде 3.1 үшін бір және көп сөйлеушілі синтез берілген; арнайы жасалған дауыс пен дауыс көшіруді басқару тетіктері 3.8 жазбаларына жатады. Бөлек Flash Live нұсқасы интерактив аудио кірісті өңдейді; осы TTS нұсқасы дайын мәтіннен аудио өндіруге арналған.

Жазбаны жазбаша сценариймен салыстырып, түсіп қалған не қайталанған сөздерді, есімдерді, кезек уақыттарын және көзделген эмоциялық өзгерістерді тексеріңіз. Бір сөйлемге басқа екпін керек болса, сол жергілікті нұсқауды түзетіп, өзгеріс әсер еткен ауысуды қараңыз. Бұл үдеріс орындау тапсырмасын пайдалы етеді: ол сөйлеушіде не тұрақты қалатынын және осы үзіндіде не өзгеретінін тіркейді, ал сценарий аудитория естуі тиіс мазмұнды сақтайды.

Ailoot Ultra · Сөйлеу 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

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Сөйлеу POST /v1/audio/speech

Кіріс: text
Шығыс: audio

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер google/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	Мәндер мен шектеулер 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 Ең аз ұзындық: 1	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер mp3, pcm	Әдепкіpcm
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input, voice
Параметр`material_types`	Параметр талаптарыtext

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}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Кіріс $0.002 / 1K токен
Баптаушығыс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Шығыс $0.04 / 1K токен

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 Ultra · Сөйлеу

Нақты кіріс деректерін қолданып, нәтижені толық сақтаңыз

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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Сөйлеу

Толық бинарлық аудио немесе бастапқы audio_url жауабы, тақырыптар және иелігіңіздегі әрбір ресурс.

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

Басқа мазмұнды оқу

Өзіңізге тиесілі қолда бар материалдарды оқу

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.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task_id/asset_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

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

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

google/gemini-3.1-flash-tts-preview

FAQ · Google: Gemini 3.1 Flash TTS Preview

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

Google: Gemini 3.1 Flash TTS Preview