Gemini 3.1 Flash Tts Preview
Modelo de voz da Google para converter texto em fala, com controlo do estilo de narração e etiquetas de áudio expressivas.
Sobre o modelo
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash TTS Preview converte texto em fala. Destina-se a produzir voz de som natural, com controlo da narração através de instruções textuais. O estilo de leitura pode ser definido juntamente com as instruções de fala, e as etiquetas de áudio expressivas ajudam a transmitir a interpretação pretendida.
O texto transforma-se em áudio
A entrada deste modelo é texto, e a saída é uma gravação de áudio. O volume máximo de entrada é de 8 192 tokens e o de saída é de 16 384 tokens. Foi concebido para sintetizar fala a partir de texto preparado; não é um modelo comum de resposta textual nem de transcrição de uma gravação fornecida.
Estão previstas narração com uma voz e conversas com vários intervenientes. O controlo da leitura assenta em instruções: podem descrever-se a forma de ler e a expressividade das intervenções. Para tarefas de voz repetidas, o fabricante indica geração em lote.
Formato do resultado e especialização
O formato de origem da resposta comum é PCM sem cabeçalho WAV. Esta é uma característica relevante desta versão preliminar específica: os bytes devolvidos não podem ser automaticamente considerados um ficheiro WAV pronto.
A ficha do modelo não anuncia cache de contexto, execução de código, pesquisa em ficheiros, chamadas de funções, fundamentação através de pesquisa, Google Maps, geração de imagens, respostas textuais estruturadas, Thinking nem leitura do conteúdo de endereços Web. A síntese de fala é a sua tarefa de saída especializada; as capacidades dos modelos textuais não se transferem para esta versão.
Versão preliminar
gemini-3.1-flash-tts-preview pertence às versões preliminares de voz anteriores. As suas formas de controlar a voz e o formato de áudio devem ser considerados separadamente dos modelos TTS posteriores. Esta versão não anuncia criação de uma nova identidade vocal nem reprodução de uma voz a partir de uma amostra; a sua ficha não indica o número exato de línguas suportadas.
As capacidades descritas dizem respeito ao próprio modelo. A forma concreta de enviar texto e configurações dos intervenientes e de obter o ficheiro de áudio depende do método de voz suportado.
Ailoot · Síntese de voz POST /v1/audio/speech gemini-3.1-flash-tts-preview
gemini-3.1-flash-tts-previewIntrodução
Modelo de voz da Google para converter texto em fala, com controlo do estilo de narração e etiquetas de áudio expressivas.
- Entradas aceites
- Texto
- Resultados
- speech
Disponível no Ailoot · entradas e métodos
Ailoot · Síntese de voz POST /v1/audio/speech
- Entrada
text- Saída
speech- Formato de saída
- bytes de áudio nativo ou ligações JSON para recursos
| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-flash-tts-preview | Predefinição— |
Campoinput | Tipostring | RequisitoObrigatório | Valores e limites Comprimento mínimo: 1 | Predefinição— |
Campovoice | Tipostring | RequisitoOpcional | Valores e limites Kore | PredefiniçãoKore |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores e limites , wav, json | Predefinição |
Campostream_format | Tipostring | RequisitoOpcional | Valores e limites audio | Predefinição— |
Combinações de materiais de entrada
text_to_speech · Obrigatório: input
Parâmetros e ciclo de vida do método
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext |
Parâmetrorequired | Contratonull |
Parâmetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
Tarifários
Tarifas dos métodos Ailoot
POST /v1/audio/speech- Entrada
- 0,001 US$ / 1K
- Saída
- 0,02 US$ / 1K
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot · Síntese de voz
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
Receber e guardar os resultados
Ailoot · Síntese de voz
bytes de áudio nativo ou ligações JSON para recursos
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Guardar todos os resultados concluídos
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Uma única saída utiliza, por predefinição, bytes de áudio nativo com o Content-Type real; response_format=json ou várias saídas devolvem todas as ligações pertencentes ao utilizador. Sem conversão solicitada para MP3/Opus/AAC/FLAC/PCM nem SSE.
Se for necessário verificar a resposta original
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
Campos da resposta
| Campo | Tipo |
|---|---|
Campobinary native audio | Tipobytes |
Campomodel | Tipostring |
Camporesponse_id | Tipostring |
Campoactual_count | Tipointeger |
Campodata[] | Tipoowned audio asset link |
Erros e passos seguintes
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Aliases
Aliases do modelo
Ailoot gemini-3.1-flash-tts-preview
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · Gemini 3.1 Flash Tts Preview
- Que entradas e resultados estão disponíveis?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:text→speech- Que campos utiliza o pedido?
POST /v1/audio/speech·gemini-3.1-flash-tts-preview:model,input,voice,response_format,stream_format