Gemini 3.1 Flash TTS

curl --request POST \
  --url https://api.vidgo.ai/api/generate/submit \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "google/gemini-3.1-flash/text-to-speech",
  "input": {
    "text": "Welcome to the studio. [short pause] Let us tell your story.",
    "style_instructions": "Warm narration with a relaxed pace.",
    "voice": "Kore",
    "temperature": 1,
    "output_format": "mp3"
  }
}
'

{
  "code": 200,
  "data": {
    "task_id": "task-unified-example",
    "status": "running",
    "created_time": "2026-09-10T08:00:00"
  }
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

Request timeout

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

使用 Gemini 3.1 Flash TTS 生成语音，支持风格指令和可选音色，适用于旁白或双人对话。

​

模型

• google/gemini-3.1-flash/text-to-speech - 将文本转换为语音。

​

功能

• 将文本转换为语音。
• 使用单一音色，或两个说话人别名。
• 使用 style_instructions 和 temperature 控制演绎方式。
• 使用 voice 选择音色，使用 language_code 指定朗读语言。

​

输出选项

​

输出格式

• output_format：可选。可选值：mp3、wav、ogg_opus。默认：mp3。

​

高级参数

在请求根级设置 model 和可选的 callback_url。所有工作流程参数（包括输出选项）都放在 input 中。 使用参数参考中的字段配置语音生成。

• 提供 speakers 时，必须恰好包含两个不同的 speaker_id 别名，只能使用字母、数字和下划线。语音使用为每位说话人指定的音色。

​

文本

• text：必填。要朗读的文本。长度：1-50,000 个字符。
• 填写要朗读的内容，可加入 [short pause]、[whispering]、[laughing] 等音频标签。对话中每一轮都以对应的 speaker_id 加冒号开头。

​

风格指令

• style_instructions：可选。描述语音应如何演绎。

​

音色

• voice：可选。选择音色。字符串。默认：Kore。

支持的音色

• Achernar
• Achird
• Algenib
• Algieba
• Alnilam
• Aoede
• Autonoe
• Callirrhoe
• Charon
• Despina
• Enceladus
• Erinome
• Fenrir
• Gacrux
• Iapetus
• Kore
• Laomedeia
• Leda
• Orus
• Pulcherrima
• Puck
• Rasalgethi
• Sadachbia
• Sadaltager
• Schedar
• Sulafat
• Umbriel
• Vindemiatrix
• Zephyr
• Zubenelgenubi

​

语言代码

• language_code：可选。从下列值中选择，或省略以根据 text 自动识别语言。

支持的语言代码

• Arabic (Egypt)
• Bangla (Bangladesh)
• Dutch (Netherlands)
• English (India)
• English (US)
• French (France)
• German (Germany)
• Hindi (India)
• Indonesian (Indonesia)
• Italian (Italy)
• Japanese (Japan)
• Korean (South Korea)
• Marathi (India)
• Polish (Poland)
• Portuguese (Brazil)
• Romanian (Romania)
• Russian (Russia)
• Spanish (Spain)
• Tamil (India)
• Telugu (India)
• Thai (Thailand)
• Turkish (Turkey)
• Ukrainian (Ukraine)
• Vietnamese (Vietnam)
• Afrikaans (South Africa)
• Albanian (Albania)
• Amharic (Ethiopia)
• Arabic (World)
• Armenian (Armenia)
• Azerbaijani (Azerbaijan)
• Basque (Spain)
• Belarusian (Belarus)
• Bulgarian (Bulgaria)
• Burmese (Myanmar)
• Catalan (Spain)
• Cebuano (Philippines)
• Chinese Mandarin (China)
• Chinese Mandarin (Taiwan)
• Croatian (Croatia)
• Czech (Czech Republic)
• Danish (Denmark)
• English (Australia)
• English (UK)
• Estonian (Estonia)
• Filipino (Philippines)
• Finnish (Finland)
• French (Canada)
• Galician (Spain)
• Georgian (Georgia)
• Greek (Greece)
• Gujarati (India)
• Haitian Creole (Haiti)
• Hebrew (Israel)
• Hungarian (Hungary)
• Icelandic (Iceland)
• Javanese (Java)
• Kannada (India)
• Konkani (India)
• Lao (Laos)
• Latin (Vatican City)
• Latvian (Latvia)
• Lithuanian (Lithuania)
• Luxembourgish (Luxembourg)
• Macedonian (North Macedonia)
• Maithili (India)
• Malagasy (Madagascar)
• Malay (Malaysia)
• Malayalam (India)
• Mongolian (Mongolia)
• Nepali (Nepal)
• Norwegian Bokmal (Norway)
• Norwegian Nynorsk (Norway)
• Odia (India)
• Pashto (Afghanistan)
• Persian (Iran)
• Portuguese (Portugal)
• Punjabi (India)
• Serbian (Serbia)
• Sindhi (India)
• Sinhala (Sri Lanka)
• Slovak (Slovakia)
• Slovenian (Slovenia)
• Spanish (Latin America)
• Spanish (Mexico)
• Swahili (Kenya)
• Swedish (Sweden)
• Urdu (Pakistan)

​

说话人

• speakers：可选。必须恰好包含 2 项，每项为一个对象。
• speakers[].voice：必填。为该说话人选择音色。

支持的音色

• Achernar
• Achird
• Algenib
• Algieba
• Alnilam
• Aoede
• Autonoe
• Callirrhoe
• Charon
• Despina
• Enceladus
• Erinome
• Fenrir
• Gacrux
• Iapetus
• Kore
• Laomedeia
• Leda
• Orus
• Pulcherrima
• Puck
• Rasalgethi
• Sadachbia
• Sadaltager
• Schedar
• Sulafat
• Umbriel
• Vindemiatrix
• Zephyr
• Zubenelgenubi

• speakers[].speaker_id：必填。字符串，只能使用字母、数字和下划线。

​

温度

• temperature：可选。控制语音生成的随机性。数值 0 到 2。默认：1。

​

输出文件

• 读取返回的 files 数组中的每一项。
• 生成的音频 file_type 为 "audio"。
• 从 files[].file_url 读取音频 URL。