Gemini 3.1 Flash Tts Preview

En talemodell fra Google for opplesning av tekst, med styring av fortellerstil og uttrykksfulle lydtagger.

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

Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

Gemini 3.1 Flash TTS Preview gjør tekst om til tale. Den er laget for naturlig opplesning der fortellerstilen styres gjennom tekstinstruksjoner. Uttalemåten kan angis sammen med taleinstruksjoner, og uttrykksfulle lydtagger bidrar til ønsket fremføring.

Tekst blir til lyd

Modellens inndata er tekst, og utdata er et lydopptak. Grensen er 8 192 tokener for inndata og 16 384 tokener for utdata. Den er laget for talesyntese fra en ferdig tekst; den er ikke en vanlig modell for tekstsvar eller transkripsjon av innsendte opptak.

Opplesning med én stemme og dialoger med flere talere er tilgjengelig. Fremføringen styres med instruksjoner: lesestil og uttrykket i replikkene kan beskrives. For gjentakende taleoppgaver oppgir produsenten satsvis generering.

Resultatformat og spesialisering

Det vanlige svarets råformat er PCM uten WAV-header. Dette er en vesentlig egenskap ved nettopp denne forhåndsversjonen: returnerte byte kan ikke automatisk regnes som en ferdig WAV-fil.

Modellkortet oppgir ikke mellomlagring av kontekst, kjøring av kode, søk i filer, funksjonskall, søkeforankring, Google Maps, bildegenerering, strukturerte tekstsvar, Thinking eller lesing av innhold fra nettadresser. Talesyntese er modellens spesialiserte utdataoppgave; funksjonene i tekstmodeller gjelder ikke automatisk for den.

Forhåndsversjon

gemini-3.1-flash-tts-preview tilhører tidligere forhåndsversjoner av talemodellene. Måtene den styrer stemmen på, og lydformatet, bør vurderes separat fra senere TTS-modeller. Det er ikke oppgitt at denne versjonen kan lage en ny stemmeprofil eller gjengi en stemme fra en prøve; modellkortet angir heller ikke det nøyaktige antallet språk som støttes.

De beskrevne funksjonene gjelder selve modellen. Den konkrete måten tekst og talerinnstillinger overføres på, og en lydfil mottas på, bestemmes av talemetoden som støttes.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Start

En talemodell fra Google for opplesning av tekst, med styring av fortellerstil og uttrykksfulle lydtagger.

Godkjente inndata: Tekst
Resultater: speech

Tilgjengelig i Ailoot · inndata & metoder

Ailoot · Talesyntese POST /v1/audio/speech

Inndatatyper: text
Utdatatyper: speech
Utdataformat: Lydbyte i det opprinnelige formatet eller JSON-lenker til ressurser

Felt	Type	Krav	Verdier & grenser	Standard
Felt`model`	Type`string`	KravPåkrevd	Verdier & grenser gemini-3.1-flash-tts-preview	Standard—
Felt`input`	Type`string`	KravPåkrevd	Verdier & grenser Minste lengde: 1	Standard—
Felt`voice`	Type`string`	KravValgfritt	Verdier & grenser Kore	StandardKore
Felt`response_format`	Type`string`	KravValgfritt	Verdier & grenser , wav, json	Standard
Felt`stream_format`	Type`string`	KravValgfritt	Verdier & grenser audio	Standard—

Kombinasjoner av inngående materialer

text_to_speech · Påkrevd: input

Metodeparametere og livssyklus

Parameter	Avtale
Parameter`material_types`	Avtaletext
Parameter`required`	Avtalenull
Parameter`optional_controls`	Avtalenull

Livssyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktisk returnert task_id eller oppføring i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodestrukturer og ID-er er eksakte; leverandørens evne er adskilt fra godkjenning av forespørselen.

Priser

Satser for Ailoot-metoder

Ailoot TalesyntesePOST /v1/audio/speech

Inndata: 0,001 USD / 1K
Utdata: 0,02 USD / 1K

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot · Talesyntese

Taleeksempel

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

Motta og lagre resultater

Ailoot · Talesyntese

Lydbyte i det opprinnelige formatet eller JSON-lenker til ressurser

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

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Ett utdataelement bruker som standard lydbyte i det opprinnelige formatet med faktisk Content-Type; response_format=json eller flere utdataelementer returnerer alle lenker du eier. Ingen forespurt MP3/Opus/AAC/FLAC/PCM-konvertering eller SSE.

Hvis det opprinnelige svaret må kontrolleres

Bevar opprinnelig operation_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus.

Svarfelter

Felt	Type
Felt`binary native audio`	Typebytes
Felt`model`	Typestring
Felt`response_id`	Typestring
Felt`actual_count`	Typeinteger
Felt`data[]`	Typeowned audio asset link

Feil og neste trinn

Svar	Vilkår	Neste trinn
Svar400 · `invalid_request_error`	VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi	Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel.
Svar`server_error`	VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres	Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt.

Aliaser

Modellaliaser

Ailoot gemini-3.1-flash-tts-preview

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Hvilke inndata og resultater er tilgjengelige?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Hvilke felt bruker forespørselen?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview