01
gemini-3-1-flash-tts
Wyrazisty model TTS od Google za 24 kredyty za 1000 znaków, czyli $0.12 za 1000 znaków w PoYo, z ustawieniami tekstu, instrukcji stylu, głosu, języka, mówców, temperatury i formatu wyniku.
gemini-3-1-flash-tts
Text to Speech
Zobacz więcej modeli: GoogleModel:
Google Gemini 3.1 Flash TTS generuje wyraźną, wielojęzyczną mowę ze szczegółowymi tagami audio, naturalną kontrolą stylu i dialogiem dwóch mówców.
Examples
Szczegóły cennika
Płatność za użycie. Bez subskrypcji i ukrytych opłat.
| Poziom | Cena PoYo | Oryginał / rabat |
|---|---|---|
| Tekst na mowę | $0.120/1 tys. znaków Kredyty: 24/1 tys. znaków Znaki (10,000): $1.20 | $0.150/1 tys. znakówOszczędzasz 20% Referencyjne |
Jak jest rozliczane: Rozliczane za każde 1000 znaków tekstu wejściowego.
Opłaty zależą od końcowego wyniku.
Polecane modele
Wprowadzenie
Kompletny przewodnik: Tanie Gemini 3.1 Flash TTS API z precyzyjną kontrolą głosu za pomocą tagów audio
Tanie Gemini 3.1 Flash TTS API z precyzyjną kontrolą głosu za pomocą tagów audio
Buduj naturalne workflow zamiany tekstu na mowę z Gemini 3.1 Flash TTS w PoYo. Korzystaj z wyrazistych tagów audio, instrukcji stylu w zwykłym języku, gotowych głosów Gemini, dialogu dwóch mówców i standardowego odpytywania o status przez jedno API. Generuj kwestie do podcastów, głosy w aplikacjach, narrację do materiałów edukacyjnych i zlokalizowaną mowę z przejrzystym cennikiem za znak.
Modele Gemini 3.1 Flash TTS API dostępne w PoYo
Wypróbuj Playground
Czym wyróżnia się Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTS stworzono do mowy, która słucha wskazówek, zmienia sposób wypowiedzi i obsługuje wielojęzyczne produkty bez skomplikowanego pipeline'u głosowego.
01
Szczegółowe tagi audio
Steruj sposobem wypowiedzi wprost w skrypcie za pomocą wyrazistych tagów, takich jak [sigh], [laughing], [whispering] i [short pause]. Dzięki temu jedno pole tekstowe służy zarówno do słów, jak i do wskazówek aktorskich.
- Kontroluj emocje, tempo i niewerbalne sygnały wypowiedzi.
- Używaj tagów w opowieściach, wideo produktowych, podcastach i kwestiach postaci.
- Trzymaj wskazówki dotyczące wypowiedzi tuż przy skrypcie.
02
Dialog dwóch mówców
Przypisz dokładnie dwa aliasy mówców do różnych głosów Gemini, aby uzyskać rozmowne audio. Poprzedź linijki w tekście identyfikatorami mówców, a następnie w żądaniu API przypisz każdemu mówcy osobny głos.
- Twórz segmenty podcastu z prowadzącym i gościem.
- Prototypuj dialogi postaci i rozmowy z asystentem.
- Skonfiguruj aliasy mówców i głosy dla każdej roli w dialogu.
Co możesz zbudować
01
Podcasty i narracja
Generuj wyraziste wstawki prowadzącego, wprowadzenia, narrację audiobooków i audio redakcyjne z kontrolowanym sposobem wypowiedzi.
02
Treści edukacyjne
Zamieniaj skrypty kursów, lekcje wdrożeniowe i materiały szkoleniowe w czytelne, wielojęzyczne nagrania mówione.
03
Dialogi postaci
Prototypuj kwestie do gier, scenariusze odgrywania ról, sceny fabularne i rozmowy dwóch mówców z wyraźnie różnymi głosami.
04
Zlokalizowany głos produktu
Twórz głos dla tekstów w aplikacjach, wiadomości wsparcia, demonstracji produktów i mowy ułatwiającej dostępność w wielu językach.
Cennik Gemini 3.1 Flash TTS: PoYo vs fal.ai
PoYo udostępnia Gemini 3.1 Flash TTS w tym samym asynchronicznym workflow generowania, którego używają wszystkie modele audio PoYo, z przejrzystym cennikiem na tle publicznej ceny referencyjnej.
| Funkcja | PoYo | Fal.ai |
|---|---|---|
| Publiczny identyfikator modelu | gemini-3-1-flash-tts | Nieudostępniony |
| Fal.ai | $0.12 za 1000 znaków | $0.15 za 1000 znaków |
| Kredyty PoYo | 24 kredyty za 1000 znaków | Brak |
| Główne ustawienia | text, style_instructions, voice, language_code, speakers, temperature, output_format | Wejście tekstowe z ustawieniami stylu, głosu, języka, mówców, temperatury i formatu |
| Workflow | Wyślij zadanie, odpytuj standardowy status, pobierz pliki audio | Referencyjny workflow z kolejką |
Cennik PoYo opiera się na 24 kredytach za 1000 znaków. Jeden kredyt kosztuje $0.005.
Jak korzystać z Gemini 3.1 Flash TTS w PoYo
- Pobierz klucz API: Utwórz konto PoYo i wygeneruj klucz API w dashboardzie. Pobierz klucz API ->
- Napisz tekst: Wpisz tekst do przeczytania i dodaj tagi audio, takie jak [laughing], [sigh], [whispering] lub [short pause], gdy potrzebujesz wyrazistej wypowiedzi.
- Wybierz ustawienia głosu: Wybierz głos Gemini, opcjonalnie language_code, style_instructions, temperature i output_format albo skonfiguruj dokładnie dwóch mówców za pomocą speaker_id i voice.
- Wyślij i pobierz wynik: Wyślij żądanie przez API generowania PoYo, a potem odpytuj standardowy endpoint statusu zadania, aby odebrać audio. Zobacz dokumentację API ->
Najczęstsze pytania o Gemini 3.1 Flash TTS
Czym jest Gemini 3.1 Flash TTS?
Gemini 3.1 Flash TTS to wyrazisty model zamiany tekstu na mowę od Google, który generuje naturalne, wielojęzyczne audio z tekstu. Obsługuje tagi audio, wskazówki stylu w zwykłym języku, gotowe głosy Gemini i dialog dwóch mówców.
Co wpisać w polu tekstu?
Wpisz w tekście słowa, które mają zostać wypowiedziane. Możesz też dodać tagi audio w treści, takie jak [laughing], [sigh], [whispering] i [short pause]. W syntezie z wieloma mówcami poprzedź linijki aliasami, takimi jak Host: i Guest:.
Jak działa style_instructions?
Użyj style_instructions do wskazówek dotyczących wypowiedzi, które mają obowiązywać w całym żądaniu, na przykład ciepło i powoli, dramatyczny serwis informacyjny, brytyjski akcent, radosny ton albo szepcz tajemniczo.
Czy Gemini 3.1 Flash TTS obsługuje tagi audio?
Tak. Tagi audio to jedna z głównych mocnych stron modelu. Pomagają kontrolować emocje, pauzy, śmiech, szept, tempo i inne szczegóły wypowiedzi bezpośrednio w skrypcie.
Jakie głosy i języki są obsługiwane?
API udostępnia 30 gotowych głosów Gemini, takich jak Kore, Puck, Charon, Zephyr i Aoede. Model obsługuje syntezę wielojęzyczną w ponad 70 językach, z opcjonalnym wskazaniem języka przez language_code.
Czy mogę tworzyć dialogi z wieloma mówcami?
Tak. Wyślij dokładnie dwóch mówców, każdego z speaker_id i voice. Użyj tych samych prefiksów speaker_id w tekście, aby model przypisał każdą linijkę do właściwego głosu. Gdy ustawisz speakers, główne voice jest ignorowane.
Jakie formaty wyników mogę zamówić?
PoYo obsługuje dla Gemini 3.1 Flash TTS formaty mp3, wav i ogg_opus. Domyślny jest MP3 i warto go wybrać, gdy chcesz kompaktowych plików do odtwarzania w sieci i aplikacjach.
Jak naliczane są opłaty i jak odebrać wyniki?
PoYo nalicza 24 kredyty za 1000 znaków, czyli $0.12 za 1000 znaków. Wyślij żądanie generowania, a potem użyj zwróconego task_id ze standardowym endpointem statusu zadania PoYo, aby pobrać pliki audio.
Dlaczego warto wybrać PoYo
01
Przejrzysty cennik za znak
Korzystaj z Gemini 3.1 Flash TTS za $0.12 za 1000 znaków z przewidywalnym rozliczaniem w kredytach.
02
Jednolity dostęp do modeli
Używaj tego samego konta PoYo, rozliczeń, odpytywania o status i callbacków w modelach tekstu, obrazu, wideo i audio.
03
Workflow gotowy do produkcji
Wysyłaj zadania asynchroniczne, odpytuj stabilny status zadania i pobieraj gotowe pliki mowy z jednego API.
04
Wyraziste ustawienia
Udostępnij praktyczne ustawienia produkcyjne dla tekstu, stylu, głosu, języka, mówców, temperatury i formatu wyniku.