Gemini 3.1 Flash Tts Preview

Hikoya qilish uslubini boshqarish va ifodali audioteglar bilan matnni ovozlashtirish uchun Google’ning nutq modeli.

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

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Gemini 3.1 Flash TTS Preview matnni nutqqa aylantiradi. Uning vazifasi — matnli ko‘rsatmalar orqali bayonni boshqarish bilan tabiiy jaranglaydigan ovozlashtirish. Talaffuz uslubini nutq ko‘rsatmalari bilan birga belgilash mumkin, ifodali audioteglar esa kerakli ijroni berishga yordam beradi.

Matn audioga aylanadi

Bu modelning kirishi — matn, chiqishi — audioyozuv. Kirish hajmi chegarasi 8 192 token, chiqishniki — 16 384 token. U tayyorlangan matn asosida nutq sinteziga mo‘ljallangan; matnli javob yoki yuborilgan yozuvni matnga ko‘chirish uchun oddiy model emas.

Bitta ovoz bilan o‘qish va bir nechta so‘zlovchili suhbatlar ko‘zda tutilgan. Talaffuzni boshqarish ko‘rsatmalarga tayanadi: o‘qish xususiyati va replikalar ifodaliligini tavsiflash mumkin. Takrorlanuvchi nutq vazifalari uchun ishlab chiqaruvchi paketli yaratishni ko‘rsatadi.

Natija formati va ixtisoslik

Oddiy javobning boshlang‘ich formati — WAV sarlavhasisiz PCM. Bu aynan shu dastlabki versiyaning muhim xususiyati: qaytarilgan baytlarni avtomatik ravishda tayyor WAV fayli deb hisoblab bo‘lmaydi.

Model kartasi kontekstni keshlash, kod bajarish, fayllar bo‘yicha qidiruv, funksiya chaqiruvlari, qidiruv natijalari bilan asoslash, Google Maps, tasvir yaratish, tuzilmali matnli javoblar, Thinking yoki veb-manzillar mazmunini o‘qishni e’lon qilmaydi. Nutq sintezi — uning ixtisoslashgan chiqish vazifasi; matnli modellar imkoniyatlari unga tatbiq etilmaydi.

Dastlabki versiya

gemini-3.1-flash-tts-preview oldingi dastlabki nutq versiyalariga kiradi. Uning ovozni boshqarish usullari va ovoz formatini keyingi TTS modellaridan alohida ko‘rib chiqish lozim. Bu versiyada yangi ovoz qiyofasi yaratish va namuna asosida ovozni qayta yaratish e’lon qilinmagan; uning kartasida qo‘llab-quvvatlanadigan tillarning aniq soni ko‘rsatilmagan.

Tavsiflangan imkoniyatlar modelning o‘ziga tegishli. Matn, so‘zlovchi sozlamalarini yuborish va audiofaylni olishning aniq usuli qo‘llab-quvvatlanadigan nutq metodiga bog‘liq.

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

gemini-3.1-flash-tts-preview

Google /gemini-3.1-flash-tts-preview

Boshlash

Hikoya qilish uslubini boshqarish va ifodali audioteglar bilan matnni ovozlashtirish uchun Google’ning nutq modeli.

Qabul qilinadigan kirish ma’lumotlari: Matn
Natijalar: speech

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot · Ovozlashtirish POST /v1/audio/speech

Kirish: text
Chiqish: speech
Chiqish formati: asl audio baytlari yoki JSON dagi aktiv havolalari

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar gemini-3.1-flash-tts-preview	Standart—
Maydon`input`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar Eng kam uzunlik: 1	Standart—
Maydon`voice`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar Kore	StandartKore
Maydon`response_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar , wav, json	Standart
Maydon`stream_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar audio	Standart—

Kirish materiallari birikmalari

text_to_speech · Majburiy: input

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`material_types`	Parametr talablaritext
Parametr`required`	Parametr talablarinull
Parametr`optional_controls`	Parametr talablarinull

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.

Tariflar

Ailoot usullari tariflari

Ailoot OvozlashtirishPOST /v1/audio/speech

Kirish: 0,001 US$ / 1K
Chiqish: 0,02 US$ / 1K

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot · Ovozlashtirish

Ovozlashtirish namunasi

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

Natijalarni olish va saqlash

Ailoot · Ovozlashtirish

asl audio baytlari yoki JSON dagi aktiv havolalari

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Bitta chiqish standart ravishda haqiqiy Content-Type bilan asl audio baytlarini qaytaradi; response_format=json yoki bir nechta chiqish egalik qilinadigan barcha havolalarni qaytaradi. So‘ralgan MP3/Opus/AAC/FLAC/PCM konvertatsiyasi yoki SSE yo‘q.

Asl javobni tekshirish kerak bo‘lsa

Ma’lumotlarni solishtirib tekshirish uchun dastlabki operation_id/X-Client-Request-ID ni saqlang va so‘rovni qayta yubormang; audio holatini davriy tekshirish uchun alohida yo‘nalish yo‘q.

Javob maydonlari

Maydon	Tur
Maydon`binary native audio`	Turbytes
Maydon`model`	Turstring
Maydon`response_id`	Turstring
Maydon`actual_count`	Turinteger
Maydon`data[]`	Turowned audio asset link

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javob`server_error`	ShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradi	Keyingi qadamDastlab qaytarilgan operatsiya/vazifa ID sini, so‘rov sarlavhalarini va javobni saqlang; aynan shu operatsiya uchun qo‘llab-quvvatlanadigan o‘qish so‘rovlarini davom ettiring. Yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot gemini-3.1-flash-tts-preview

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

gemini-3.1-flash-tts-preview

FAQ · Gemini 3.1 Flash Tts Preview

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: text → speech
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/speech · gemini-3.1-flash-tts-preview: model, input, voice, response_format, stream_format

Gemini 3.1 Flash Tts Preview