curl --request POST \
--url https://api.poyo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "gemini-3-1-flash-tts",
"callback_url": "https://your-domain.com/callback",
"input": {
"text": "Good morning, team. [short pause] Our release is stable, and the customer demo starts in ten minutes.",
"style_instructions": "Warm, confident product narrator with clear pacing.",
"voice": "Kore",
"temperature": 1,
"output_format": "mp3"
}
}
'
{
"code": 200,
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "not_started",
"created_time": "2026-06-25T10:30:00"
}
}{
"code": 200,
"error": {
"message": "<string>",
"type": "<string>"
}
}{
"code": 200,
"error": {
"message": "<string>",
"type": "<string>"
}
}Google
Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTS API 可使用预设音色、行内演绎标签和可选的风格指令，将文本转换为单人或双人语音。可选设置语言，并返回 MP3、WAV 或 Opus 音频。
POST
/
api
/
generate
/
submit
curl --request POST \
--url https://api.poyo.ai/api/generate/submit \
--header 'Authorization: Bearer <token>' \
--header 'Content-Type: application/json' \
--data '
{
"model": "gemini-3-1-flash-tts",
"callback_url": "https://your-domain.com/callback",
"input": {
"text": "Good morning, team. [short pause] Our release is stable, and the customer demo starts in ten minutes.",
"style_instructions": "Warm, confident product narrator with clear pacing.",
"voice": "Kore",
"temperature": 1,
"output_format": "mp3"
}
}
'
{
"code": 200,
"data": {
"task_id": "task-unified-1757165031-uyujaw3d",
"status": "not_started",
"created_time": "2026-06-25T10:30:00"
}
}{
"code": 200,
"error": {
"message": "<string>",
"type": "<string>"
}
}{
"code": 200,
"error": {
"message": "<string>",
"type": "<string>"
}
}- 提交后会返回
task_id。如果提供了callback_url，当任务状态变为finished或failed时，系统会向callback_url发送 POST 请求。 - 无论是否提供
callback_url，都可以通过统一的查询任务状态接口获取结果。
gemini-3-1-flash-tts 使用 Google 的 Gemini 3.1 Flash TTS 模型，将文本输入转换为富有表现力的语音音频。结果以任务 files 返回，与图像、视频、3D 和音频任务的标准响应结构一致。
模型
- gemini-3-1-flash-tts - Gemini 3.1 Flash 文本转语音生成
必填参数
- text：要转换为语音的文本
- 长度：
1-50000个字符 - 支持在文本中用自然语言指定风格、语速、口音和情绪
- 支持富有表现力的音频标签，例如
[sigh]、[laughing]、[whispering]和[short pause] - 多说话人合成时，在文本行前加上与
speakers[].speaker_id匹配的说话人别名
- 长度：
可选参数
- style_instructions：可选，应用于本次请求的风格、演绎、语速、口音、语气或情绪指令
- voice：单说话人合成的预设音色。设置了
speakers时忽略。默认：Kore - language_code：可选的语言枚举，用于引导多语言合成。省略时模型根据
text自动检测 - speakers：用于对话的恰好两个说话人对象。设置后忽略顶层
voice。每一项包括：voice：Gemini 预设音色speaker_id：只包含字母、数字和下划线、不含空白的别名，在请求内唯一，在text中用作前缀
- temperature：控制演绎变化程度的数值。默认：
1。范围：0-2 - output_format：
mp3、wav或ogg_opus。默认：mp3。mp3适合紧凑播放，wav适合无压缩后期制作，ogg_opus在质量与体积之间取得平衡
预设音色
支持的值：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。
示例
带音频标签的单说话人
{
"model": "gemini-3-1-flash-tts",
"callback_url": "https://your-domain.com/callback",
"input": {
"text": "Good morning, team. [short pause] Our release is stable, and the customer demo starts in ten minutes.",
"style_instructions": "Warm, confident product narrator with clear pacing.",
"voice": "Kore",
"temperature": 1,
"output_format": "mp3"
}
}
多语言店铺助手
{
"model": "gemini-3-1-flash-tts",
"callback_url": "https://your-domain.com/callback",
"input": {
"text": "English: Your order is ready for pickup.\nSpanish: Su pedido esta listo para recoger.\nFrench: Votre commande est prete a etre retiree.",
"style_instructions": "Friendly store assistant voice, natural and concise.",
"voice": "Zephyr",
"language_code": "English (US)",
"temperature": 1,
"output_format": "wav"
}
}
双人播客
{
"model": "gemini-3-1-flash-tts",
"callback_url": "https://your-domain.com/callback",
"input": {
"text": "Host: Welcome back to Launch Notes. [laughing] Today's build finally passed.\nGuest: Great news. Let's keep the update clear and calm for users.",
"style_instructions": "Conversational podcast tone with distinct speaker energy.",
"speakers": [
{
"speaker_id": "Host",
"voice": "Charon"
},
{
"speaker_id": "Guest",
"voice": "Kore"
}
],
"temperature": 1,
"output_format": "ogg_opus"
}
}
注意事项
- PoYo 对外公开的参数名是
text。 - 通过标准任务状态 API 查询状态。
- 成功响应返回
files，其中生成的语音使用file_type: audio。
授权
所有 API 接口都需要 Bearer Token 认证。
创建 API Key：登录 PoYo，进入 仪表盘 → API 密钥（poyo.ai/zh/dashboard/api-key），点击创建 Key。
在请求头中添加：
Authorization: Bearer YOUR_API_KEY
请求体
application/json
响应
任务提交成功
Show child attributes
Show child attributes