gemini-3.1-tts 语音合成 API

快速信息

获取 API Key

登录 DeepSeek Tavern 控制台，在「令牌管理」中创建 API Key。详细步骤参考：API 密钥获取指南。

Base URL 统一为 https://deepseektavern.com/v1，认证方式：Authorization: Bearer <你的API密钥>。下文示例中的 YOUR_API_KEY 请替换为你自己的 Key。

接口说明

POST https://deepseektavern.com/v1/audio/speech

调用示例

curl

curl https://deepseektavern.com/v1/audio/speech \
  --max-time 300 \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "gemini-3.1-tts",
    "input": "欢迎来到我的酒馆，今天想聊点什么？",
    "voice": "Kore",
    "instructions": "像熟客老板娘一样热情招呼，语气轻快带笑意"
  }' \
  --output output.wav

Python（OpenAI SDK）

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://deepseektavern.com/v1",
    timeout=300,  # 生成约 40-130 秒，超时要设到 180 秒以上
)

with client.audio.speech.with_streaming_response.create(
    model="gemini-3.1-tts",
    voice="Charon",
    input="夜深了，城门早已关闭，你确定要在这个时候出城吗？",
    instructions="低沉、谨慎的守卫口吻，压低声音，带一点警惕",
) as resp:
    resp.stream_to_file("guard.wav")

Python（requests）

import requests

r = requests.post(
    "https://deepseektavern.com/v1/audio/speech",
    headers={"Authorization": "Bearer YOUR_API_KEY"},
    json={"model": "gemini-3.1-tts", "input": "今天的风好温柔啊。", "voice": "Vindemiatrix"},
    timeout=300,
)
r.raise_for_status()
open("output.wav", "wb").write(r.content)

音色

1. 使用现有音色

把 voice 设为下表中的 voice_id 即可。共 30 个音色，可点击试听：

2. 定制音色

该模型不支持声音克隆。定制声音的方式是：选一个接近的基础音色，再用 instructions 写自然语言描述来调整语气、情绪、节奏；也可以直接把情绪写进 input 文本里。

示例一：温柔困倦

{
  "model": "gemini-3.1-tts",
  "voice": "Achernar",
  "input": "嗯……你回来啦，我等你好久了。",
  "instructions": "用温柔、略带困倦的语气，语速放慢，句尾轻轻拖长"
}

示例二：激昂演讲

{
  "model": "gemini-3.1-tts",
  "voice": "Fenrir",
  "input": "兄弟们，城门就在眼前，随我冲锋！",
  "instructions": "战场上的将军，声音洪亮有力，情绪激昂，节奏短促"
}

示例三：把情绪写进文本

{
  "model": "gemini-3.1-tts",
  "voice": "Leda",
  "input": "（委屈地小声说）明明说好一起去看烟花的……（停顿一下，突然开心起来）不过你带了糖葫芦，那就原谅你啦！"
}

在 SillyTavern 中使用

1. 打开扩展面板 → TTS，选择 OpenAI Compatible
2. Provider Endpoint 填入：https://deepseektavern.com/v1/audio/speech
3. Model 填入 gemini-3.1-tts
4. Available Voices 填入你想用的 voice_id，用英文逗号分隔，例如 Kore,Puck,Charon,Leda
5. 填入 API Key，测试通过即可使用。生成较慢，建议只给关键台词配音