Gemini 3.1 Flash Tts Preview

Google kalbos modelis tekstui įgarsinti, valdant pasakojimo manierą ir naudojant išraiškingas garso žymas.

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

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Gemini 3.1 Flash TTS Preview paverčia tekstą kalba. Jos paskirtis – natūraliai skambantis įgarsinimas, valdant pasakojimą tekstiniais nurodymais. Tarimo manierą galima nustatyti kartu su kalbos instrukcijomis, o išraiškingos garso žymos padeda perteikti norimą atlikimą.

Tekstas tampa garsu

Šio modelio įvestis – tekstas, išvestis – garso įrašas. Didžiausia įvesties apimtis – 8 192 tokenai, išvesties – 16 384 tokenai. Jis skirtas kalbai sintetinti pagal parengtą tekstą; tai nėra įprastas modelis tekstiniam atsakymui ar pateikto įrašo transkribavimui.

Numatyti įgarsinimas vienu balsu ir dialogai su keliais kalbėtojais. Tarimas valdomas instrukcijomis: galima aprašyti skaitymo pobūdį ir replikų išraiškingumą. Pasikartojančioms kalbos užduotims gamintojas nurodo paketinį generavimą.

Rezultato formatas ir specializacija

Pradinis įprasto atsakymo formatas – PCM be WAV antraštės. Tai svarbi būtent šios preliminarios versijos ypatybė: negalima automatiškai laikyti grąžinamų baitų paruoštu WAV failu.

Modelio kortelėje nenurodyti konteksto kaupimas podėlyje, kodo vykdymas, paieška failuose, funkcijų iškvietimai, pagrindimas paieškos rezultatais, Google Maps, vaizdų generavimas, struktūruoti tekstiniai atsakymai, Thinking ar žiniatinklio adresų turinio skaitymas. Kalbos sintezė yra specializuota jo išvesties užduotis; tekstinių modelių galimybės jam neperkeliamos.

Preliminari versija

gemini-3.1-flash-tts-preview priklauso ankstesnėms preliminarioms kalbos versijoms. Jos balso valdymo būdus ir garso formatą reikia vertinti atskirai nuo vėlesnių TTS modelių. Šiai versijai nenurodytas naujo balso įvaizdžio kūrimas ir balso atkūrimas pagal pavyzdį; tikslus palaikomų kalbų skaičius jos kortelėje nepateiktas.

Aprašytos galimybės taikomos pačiam modeliui. Konkretų teksto ir kalbėtojų nuostatų perdavimo bei garso failo gavimo būdą lemia palaikomas kalbos metodas.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Pradžia

Google kalbos modelis tekstui įgarsinti, valdant pasakojimo manierą ir naudojant išraiškingas garso žymas.

Leidžiamos įvestys: Tekstas
Rezultatai: speech

Prieinama Ailoot · įvestys ir metodai

Ailoot · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: speech
Išvesties formatas: pirminio garso formato baitai arba JSON nuorodos į išteklius

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos gemini-3.1-flash-tts-preview	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos Kore	NumatytaKore
Laukas`response_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos , wav, json	Numatyta
Laukas`stream_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos audio	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`material_types`	Specifikacijatext
Parametras`required`	Specifikacijanull
Parametras`optional_controls`	Specifikacijanull

Gyvavimo ciklas: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.

Planai

Ailoot metodų įkainiai

Ailoot ĮgarsinimasPOST /v1/audio/speech

Įvestis: 0,001 USD / 1K
Išvestis: 0,02 USD / 1K

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot · Įgarsinimas

Įgarsinimo pavyzdys

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

Gauti ir išsaugoti rezultatus

Ailoot · Įgarsinimas

pirminio garso formato baitai arba JSON nuorodos į išteklius

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Vieno rezultato numatytoji forma yra pirminio garso formato baitai su tikruoju Content-Type; response_format=json arba keli rezultatai grąžina visas jums priklausančias nuorodas. Prašomas MP3/Opus/AAC/FLAC/PCM konvertavimas arba SSE netaikomi.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.

Atsakymo laukai

Laukas	Tipas
Laukas`binary native audio`	Tipasbytes
Laukas`model`	Tipasstring
Laukas`response_id`	Tipasstring
Laukas`actual_count`	Tipasinteger
Laukas`data[]`	Tipasowned audio asset link

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė	Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.
Atsakymas`server_error`	SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti	Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite.

Pseudonimai

Modelių pseudonimai

Ailoot gemini-3.1-flash-tts-preview

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview