Gemini 3.1 Flash Tts Preview

Речевая модель Google для озвучивания текста с управлением манерой повествования и выразительными аудиотегами.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Gemini 3.1 Flash TTS Preview преобразует текст в речь. Её назначение — естественно звучащая озвучка с управлением повествованием через текстовые указания. Манера произнесения может задаваться вместе с речевыми инструкциями, а выразительные аудиотеги помогают передать нужную подачу.

Текст становится аудио

Вход этой модели — текст, выход — аудиозапись. Предельный объём входа составляет 8 192 токена, выхода — 16 384 токена. Она рассчитана на синтез речи по подготовленному тексту; не является обычной моделью для текстового ответа или расшифровки переданной записи.

Предусмотрены озвучка одним голосом и диалоги с несколькими говорящими. Управление произнесением строится на инструкциях: можно описать характер чтения и выразительность реплик. Для повторяющихся речевых задач производитель указывает пакетную генерацию.

Формат результата и специализация

Исходный формат обычного ответа — PCM без WAV-заголовка. Это важная особенность именно этой предварительной версии: нельзя автоматически считать возвращаемые байты готовым WAV-файлом.

Карточка модели не заявляет кэширование контекста, выполнение кода, поиск по файлам, вызовы функций, поисковое обоснование, Google Maps, генерацию изображений, структурированные текстовые ответы, Thinking или чтение содержимого веб-адресов. Синтез речи — её специализированная выходная задача; возможности текстовых моделей на неё не переносятся.

Предварительная версия

gemini-3.1-flash-tts-preview относится к предыдущим предварительным речевым версиям. Её способы управления голосом и формат звука следует рассматривать отдельно от последующих TTS-моделей. У этой версии не заявлены создание нового голосового образа и воспроизведение голоса по образцу; точное число поддерживаемых языков в её карточке не указано.

Описанные возможности относятся к самой модели. Конкретный способ передачи текста, настроек говорящих и получения аудиофайла определяется поддерживаемым речевым методом.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Начало

Допустимые входные данные: Текст
Результаты: speech

Доступно в Ailoot · входные данные и методы

Ailoot · Озвучка POST /v1/audio/speech

Входные данные: text
Результат: speech
Выходной формат: двоичные аудиоданные в нативном формате или ссылки на ресурсы в JSON

Поле	Тип	Требование	Значения и ограничения	По умолчанию
Поле`model`	Тип`string`	ТребованиеОбязательно	Значения и ограничения gemini-3.1-flash-tts-preview	По умолчанию—
Поле`input`	Тип`string`	ТребованиеОбязательно	Значения и ограничения Минимальная длина: 1	По умолчанию—
Поле`voice`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения Kore	По умолчаниюKore
Поле`response_format`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения , wav, json	По умолчанию
Поле`stream_format`	Тип`string`	ТребованиеНеобязательно	Значения и ограничения audio	По умолчанию—

Сочетания входных материалов

text_to_speech · Обязательно: input

Параметры и жизненный цикл метода

Параметр	Контракт
Параметр`material_types`	Контрактtext
Параметр`required`	Контрактnull
Параметр`optional_controls`	Контрактnull

Жизненный цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.

Тарифы

Ставки методов Ailoot

Ailoot ОзвучкаPOST /v1/audio/speech

Вход: 0,001 $ / 1K
Выход: 0,02 $ / 1K

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →

Примеры запросов

Ailoot · Озвучка

Пример озвучки

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

Получить и сохранить результаты

Ailoot · Озвучка

двоичные аудиоданные в нативном формате или ссылки на ресурсы в JSON

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

Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

При одном результате по умолчанию возвращаются нативные аудиобайты с фактическим Content-Type; response_format=json или несколько результатов возвращают все ссылки на ресурсы, принадлежащие Ailoot. Запрошенное преобразование MP3/Opus/AAC/FLAC/PCM и SSE не поддерживается.

Если нужно проверить исходный ответ

Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.

Поля ответа

Поле	Тип
Поле`binary native audio`	Типbytes
Поле`model`	Типstring
Поле`response_id`	Типstring
Поле`actual_count`	Типinteger
Поле`data[]`	Типowned audio asset link

Ошибки и дальнейшие шаги

Ответ	Условие	Следующий шаг
Ответ400 · `invalid_request_error`	УсловиеНеверные обязательные поля, представление материалов или значение параметра	Следующий шагИсправьте указанные поля перед новым запросом на создание.
Ответ`server_error`	УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки	Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно.

Псевдонимы

Псевдонимы моделей

Ailoot gemini-3.1-flash-tts-preview

Псевдонимы путей метода

Используйте пути методов, указанные выше.

Связанные ID для вызова

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Какие входные данные и результаты доступны?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Какие поля использует запрос?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview