SAM 3.1 ImageGemini 3.1 Flash TTS API
5/5
Gemini 3.1 Flash TTS — улучшенная генерация речи из текста на базе Gemini для озвучки контента и голосовых интерфейсов.
ID для подключения по API : gemini-3-1-tts
Средняя скорость генерации ~ 21.48 сек
Дата выхода: 29/04/2026
Стандартная
Запустить через API SoTA
Выберите язык:
Как работать с Gemini 3.1 Flash TTS через API?
Получение API ключа
Для начала получите ваш API ключ в личном кабинете, если ещё не сделали этого.
Это ваш API-ключ с помощью, которого вы можете генерировать. Не сообщайте его никому.
Запрос на выполнение задачи
Теперь необходимо создать задачу на генерацию. Результат вы можете получать по-разному, можно по системе Long-Pooling, либо вы можете задать callback_url и мы отправим вам результат по готовности. Подробнее с тем, как использовать эти способы можете ознакомиться в документации. В данном примере мы рассмотрим способ с получением результата на callback_url.
В этом запросе указаны лишь обязательные параметры, если вам необходимы дополнительные параметры, то можете ознакомится с ними здесь
Пример ответа
Получение результата
На указанный в первом запросе callback_url придёт следующий ответ.
Ознакомиться с другими способами получения результата можете в документации
Параметры для генерации
callback_urlurl
Это URL, на который будет отправлен ответ от нейросети.
promptstring
Обязательно
Текст для озвучки.
Значение по умолчанию : Ведущий: Добро пожаловать обратно на ГенАПИ. Доктор Чен, я слышал, сегодня появились важные новости. Что происходит? ДокторЧен: [взволнованно] Gemini TTS только что вышла в прямой эфир на ГенАПИ. Модель преобразования текста в речь от Google, полностью доступная через API прямо сейчас. Ведущий: Подождите, вы серьезно? Это приложение Google с поддержкой нескольких динамиков, верно? ДокторЧен: Да. Вы пишете свой сценарий с тегами динамиков, добавляете инструкции по стилю, и это создает естественное звучание разговора. Два разных голоса, эмоциональные реплики и все такое. Ведущий: Как это звучит? ДокторЧен: Действительно хорошо. Голоса звучат искренне. Можно сказать, что модель понимает контекст, а не только слова. И она поддерживает более 80 языков с одинаковым качеством. Ведущий: Это потрясающе. Итак, с чего же люди начинают? ДокторЧен: Просто зайдите на сайт ГенАПИ, найдите Gemini 3.1 TTS, напишите беседу и нажмите \"Генерировать\". Это ведь так просто
voicestring
Голос.
Значение по умолчанию : Kore
style_instructionsstring
Инструкция по стилю речи.
Значение по умолчанию : Произнесите следующее в теплой, восторженной манере разговора в подкасте. Ведущий энергичен. ДокторЧен хорошо осведомлен в этой теме
language_codestring
Язык синтеза речи.
Значение по умолчанию : Russian (Russia)
speakersarray
Спикеры.
Значение по умолчанию : [ { "voice": "Charon", "speaker_id": "Ведущий" }, { "voice": "Kore", "speaker_id": "ДокторЧен" } ]
temperaturenumeric
Контроль вариативности синтеза.
Значение по умолчанию : 1
output_formatstring
Формат выходного аудио.
Значение по умолчанию : mp3
