Gemini 3.1 Flash Tts Preview

Rečový model spoločnosti Google na čítanie textu s riadením spôsobu rozprávania a expresívnymi zvukovými značkami.

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

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Gemini 3.1 Flash TTS Preview premieňa text na reč. Jeho účelom je prirodzene znejúci hlasový prejav s riadením rozprávania pomocou textových pokynov. Spôsob prednesu možno určiť spolu s rečovými inštrukciami a expresívne zvukové značky pomáhajú vyjadriť požadovaný prejav.

Text sa stáva zvukom

Vstupom tohto modelu je text, výstupom zvuková nahrávka. Maximálny rozsah vstupu je 8 192 tokenov, výstupu 16 384 tokenov. Je určený na syntézu reči z pripraveného textu; nejde o bežný model na textovú odpoveď ani na prepis odovzdanej nahrávky.

K dispozícii je nahováranie jedným hlasom aj dialógy s viacerými hovoriacimi. Riadenie prednesu je založené na inštrukciách: možno opísať charakter čítania a expresivitu replík. Pri opakovaných rečových úlohách výrobca uvádza dávkové generovanie.

Formát výsledku a špecializácia

Pôvodný formát bežnej odpovede je PCM bez hlavičky WAV. Ide o dôležitú vlastnosť práve tejto predbežnej verzie: vrátené bajty nemožno automaticky považovať za hotový súbor WAV.

Karta modelu nedeklaruje ukladanie kontextu do vyrovnávacej pamäte, vykonávanie kódu, vyhľadávanie v súboroch, volania funkcií, podloženie vyhľadávaním, Google Maps, generovanie obrázkov, štruktúrované textové odpovede, Thinking ani čítanie obsahu webových adries. Syntéza reči je jeho špecializovanou výstupnou úlohou; schopnosti textových modelov sa naň neprenášajú.

Predbežná verzia

gemini-3.1-flash-tts-preview patrí medzi predchádzajúce predbežné rečové verzie. Jeho spôsoby riadenia hlasu a formát zvuku treba posudzovať oddelene od následných modelov TTS. Pri tejto verzii nie sú deklarované vytvorenie nového hlasového profilu ani reprodukcia hlasu podľa vzorky; presný počet podporovaných jazykov v jej karte nie je uvedený.

Opísané schopnosti sa vzťahujú na samotný model. Konkrétny spôsob odovzdávania textu, nastavení hovoriacich a získavania zvukového súboru závisí od podporovanej rečovej metódy.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Úvod

Rečový model spoločnosti Google na čítanie textu s riadením spôsobu rozprávania a expresívnymi zvukovými značkami.

Povolené vstupy: Text
Výsledky: speech

Dostupné v Ailoot · vstupy a metódy

Ailoot · Syntéza reči POST /v1/audio/speech

Vstup: text
Výstup: speech
Výstupný formát: natívne bajty zvuku alebo odkazy na súbory v JSON

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity gemini-3.1-flash-tts-preview	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity Kore	PredvolenéKore
Pole`response_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity , wav, json	Predvolené
Pole`stream_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity audio	Predvolené—

Kombinácie vstupných podkladov

text_to_speech · Povinné: input

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`material_types`	Špecifikáciatext
Parameter`required`	Špecifikácianull
Parameter`optional_controls`	Špecifikácianull

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.

Cenník

Sadzby metód Ailoot

Ailoot Syntéza rečiPOST /v1/audio/speech

Vstup: 0,001 USD / 1K
Výstup: 0,02 USD / 1K

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot · Syntéza reči

Príklad syntézy reči

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

Prijať a uložiť výsledky

Ailoot · Syntéza reči

natívne bajty zvuku alebo odkazy na súbory v JSON

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Jediný výstup predvolene vracia natívne bajty zvuku so skutočným Content-Type; pri response_format=json alebo viacerých výstupoch sa vracajú všetky odkazy vo vašom vlastníctve. Konverzia na požadovaný formát MP3/Opus/AAC/FLAC/PCM ani SSE sa nepodporujú.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

Pole	Typ
Pole`binary native audio`	Typbytes
Pole`model`	Typstring
Pole`response_id`	Typstring
Pole`actual_count`	Typinteger
Pole`data[]`	Typowned audio asset link

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot gemini-3.1-flash-tts-preview

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Aké polia používa požiadavka?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview