Gemini 3.1 Flash Tts Preview

Talmodell från Google för uppläsning av text med styrning av berättarstilen och uttrycksfulla ljudtaggar.

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

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

Gemini 3.1 Flash TTS Preview omvandlar text till tal. Den är avsedd för naturligt klingande uppläsning där berättandet styrs med textinstruktioner. Uttalsstilen kan anges tillsammans med talinstruktionerna, och uttrycksfulla ljudtaggar hjälper till att ge önskat framförande.

Text blir ljud

Modellens indata är text och utdata en ljudinspelning. Maximal indata är 8 192 token och maximal utdata 16 384 token. Den är utformad för talsyntes från förberedd text och är inte en vanlig modell för textsvar eller transkription av en inskickad inspelning.

Uppläsning med en röst och dialoger med flera talare finns. Framförandet styrs med instruktioner: läsningens karaktär och replikernas uttryck kan beskrivas. För återkommande taluppgifter anger tillverkaren batchgenerering.

Resultatformat och specialisering

Det vanliga svarets ursprungliga format är PCM utan WAV-header. Det är en viktig egenskap för just denna förhandsversion: de returnerade bytevärdena kan inte automatiskt betraktas som en färdig WAV-fil.

Modellkortet anger inte kontextcachning, kodkörning, filsökning, funktionsanrop, sökbaserad faktagrundning, Google Maps, bildgenerering, strukturerade textsvar, Thinking eller läsning av webbadressers innehåll. Talsyntes är dess specialiserade utdatauppgift. Textmodellernas möjligheter gäller inte automatiskt för den.

Förhandsversion

gemini-3.1-flash-tts-preview hör till tidigare förhandsversioner för tal. Dess sätt att styra rösten och ljudformatet bör ses separat från senare TTS-modeller. Skapande av en ny röstkaraktär och återskapande av en röst från ett röstprov har inte uppgetts för denna version. Modellkortet anger inte det exakta antalet språk som stöds.

De beskrivna möjligheterna gäller modellen i sig. Det specifika sättet att skicka text och talarinställningar och få en ljudfil bestäms av den talmetod som stöds.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Start

Talmodell från Google för uppläsning av text med styrning av berättarstilen och uttrycksfulla ljudtaggar.

Godkända indata: Text
Resultat: speech

Tillgängligt i Ailoot · indata & metoder

Ailoot · Talproduktion POST /v1/audio/speech

Indatatyper: text
Utdatatyper: speech
Utdataformat: ljudbyte i ursprungsformatet eller tillgångslänkar i JSON

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser gemini-3.1-flash-tts-preview	Standard—
Fält`input`	Typ`string`	KravObligatoriskt	Värden & gränser Minsta längd: 1	Standard—
Fält`voice`	Typ`string`	KravValfritt	Värden & gränser Kore	StandardKore
Fält`response_format`	Typ`string`	KravValfritt	Värden & gränser , wav, json	Standard
Fält`stream_format`	Typ`string`	KravValfritt	Värden & gränser audio	Standard—

Kombinationer av indatamaterial

text_to_speech · Krävs: input

Metodparametrar och livscykel

Parameter	Avtal
Parameter`material_types`	Avtaltext
Parameter`required`	Avtalnull
Parameter`optional_controls`	Avtalnull

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.

Priser

Priser för Ailoot-metoder

Ailoot TalproduktionPOST /v1/audio/speech

Indata: 0,001 US$ / 1K
Utdata: 0,02 US$ / 1K

Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →

Exempelbegäranden

Ailoot · Talproduktion

Talexempel

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

Ta emot och spara resultat

Ailoot · Talproduktion

ljudbyte i ursprungsformatet eller tillgångslänkar i JSON

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

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Ett enskilt resultat använder som standard ljudbyte i ursprungsformatet med faktisk Content-Type; response_format=json eller flera resultat returnerar alla länkar som du äger. Ingen begärd konvertering till MP3/Opus/AAC/FLAC/PCM eller SSE.

Om det ursprungliga svaret behöver kontrolleras

Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.

Svarsfält

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

Fel och nästa steg

Svar	Villkor	Nästa steg
Svar400 · `invalid_request_error`	VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde	Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa.
Svar`server_error`	VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras	Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen.

Alias

Modellalias

Ailoot gemini-3.1-flash-tts-preview

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Vilka indata och resultat finns?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
Vilka fält använder begäran?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview