Gemini 3.1 Flash TTS Preview
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-3.1-flash-tts-preview',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-3.1-flash-tts-preview',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Қалай жұмыс істейді Gemini 3.1 Flash TTS Preview?
Gemini 3.1 Flash TTS Preview 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 кеңейтілген мүмкіндіктері бар сөйлеуді синтездеу моделі: ол мәтінді аудиоға айналдырады, кескіндер мен құжаттарды қабылдайды, ойлау және құралдармен жұмыс істеу қабілетіне ие. Дауыстық прототиптеуге, дауыстық интерфейстерді генерациялауға, сценарийлер жасауға және мәтін мен референстер негізінде контентті дыбыстауға жарамды.
Gemini 3.1 Flash TTS Preview мәтіндік сипаттама бойынша синтезделген сөйлеуді генерациялайды; нақты форматтар мен контейнерлер API және платформаға байланысты. Сіз қосымшаларға интеграциялауға және сервер немесе клиент жағында одан әрі өңдеуге болатын стандартты цифрлық форматтағы аудио шығысын аласыз.
Иә, модель жауап бермес бұрын ойлауды қолдайды, бұл дыбыстау мен мәтіндік жауаптардың негізделген және жүйелі нұсқаларын қалыптастыруға көмектеседі. Бұл сценарийлерді генерациялауда, интонацияны таңдауда және одан әрі өңдеу үшін құрылымды шығыс дайындауда пайдалы.
Иә, деректерде модель функцияларды шақыруды және құрылымды JSON шығаруды қолдайтыны көрсетілген. Бұл интеграция үшін ыңғайлы: модель парсингтелетін метадеректерді, командаларды немесе тайм-кодтарды қайтара алады, осылайша сіздің қосымшаңыз дыбыстауды автоматты түрде өңдеп, синхрондай алады.
Біздің деректерде модельдің кіріс ретінде кескіндер мен құжаттарды қабылдайтыны атап өтілген, бұл генерация кезінде визуалды референстерді ескеруге мүмкіндік береді. Берілген деректерде аудио немесе видеоны кіріс ретінде жүктеу туралы ақпарат жоқ, сондықтан мұны API арқылы интеграциялау кезінде нақтылаңыз.
Модель мәтіндік сипаттамалармен жұмыс істей алады және олар бойынша сөйлеуді синтездей алады, алайда орыс тілін түсінудің нақты деңгейі берілген деректерде көрсетілмеген. Біз нюанстарды тану және дыбыстаудың табиғилығын бағалау үшін модельді өз мысалдарыңызда тексеруді ұсынамыз.