Gemini 2.5 Flash Preview TTS
нейрожелі
Сипаттамалары
- Кіріс деректер
- мәтін, кескіндер, құжаттар
- Нәтиже
- мәтін, аудио
- Пайымдау деңгейлері
- төмен, орташа, жоғары
- Мүмкіндіктер
- пайымдау, функцияларды шақыру
Промптың құны
(1М токенге қарай)
Жауаптың құны
(1М токенге қарай)
Сурет промпты
(1К токенге қарай)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-flash-preview-tts',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.5-flash-preview-tts',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Қалай жұмыс істейді Gemini 2.5 Flash Preview TTS?
Gemini 2.5 Flash Preview TTS туралы жиі қойылатын сұрақтар
Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.
Бұл сөйлеу синтезі бар мультимодальды модель: мәтіннен аудио жасайды, құжаттар мен кескіндерден мәтінді шығарып алады, күрделі пайымдауларды орындайды және құралдармен интеграцияны қолдайды. Ол дыбыстау, құжаттарды талдау, жауаптарды генерациялау және автоматтандырылған жұмыс процестері үшін қолайлы.
Модель мәтіндік сипаттама бойынша аудио бере алады және мәтіндік жауаптарды қайтара алады. Нақты аудио форматтар мен шығыс параметрлері API қосылымына байланысты және біздің деректерде көрсетілмеген, сондықтан формат пен кодек қызмет жағынан анықталады.
Иә, модель жауап берер алдында пайымдауды қолдайды және ойлаудың аралық қадамдарын шығара алады. Бұл түсіндірмелер, күрделі тапсырмалар және тексерілетін нәтиже үшін пайдалы; мұндай пайымдауларды қосу қорытынды жауаптың қалай қалыптасқанын түсінуге көмектеседі.
Иә, модельде функцияларды шақыру және JSON форматында құрылымдық шығаруды қолдау мәлімделген. Бұл оны мультимодальды жүйелерге біріктіруге, деректерді өңдеуді автоматтандыруға және кейіннен өңдеу үшін машина оқи алатын нәтижелерді алуға мүмкіндік береді.
Кіріс мүмкіндіктері суреттер мен құжаттарды жүктеуді қамтиды, олар мәтін мен контекстті шығарып алу үшін өңделеді. Біздің деректерде аудио немесе бейнені қабылдау туралы жазылмаған; егер бұл маңызды болса, интеграция кезінде кіріс деректер форматын нақтылаңыз.
Модель мәтінмен және мультимодальды кірістермен жұмыс істеуге бағытталған және практикалық сценарийлерде көбінесе орыс тілінде жақсы жұмыс істейді. Берілген деректерде орыс тілінде түсінудің нақты дәлдігі немесе сапасы көрсетілмеген, сондықтан нәтижелер тапсырмаға байланысты әртүрлі болуы мүмкін.