Google: Gemini 3.8 Flash TTS

ينشئ Google Gemini 3.8 Flash TTS كلامًا تعبيريًا للكتب الصوتية والسرد الاستوديوي وحوار الشخصيات. يجمع نصًا يُنطق حرفيًا مع توجيهات منفصلة للمتحدث والأداء، ووسوم لأحداث صوتية لحظية، وتغطية 130 لغة، مع التركيز على النطق واللهجات الإقليمية واتساق الصوت.

Ailoot Ultra · الكلام POST /v1/audio/speech google/gemini-3.8-flash-tts

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Google Gemini 3.8 Flash TTS هو المستوى الإبداعي للأداء الصوتي في عائلة Google 3.8 لتحويل النص إلى كلام. يركز على الدقة الصوتية والمدى العاطفي واللهجات الإقليمية واستمرارية صوت الشخصية عبر الحوار الممتد. تسلط Google الضوء على الكتب الصوتية والسرد الاستوديوي والنطق الصعب والمشاهد التي تتطلب أداءً صوتيًا تمثيليًا كبيرًا. الإخراج كلام مسموع من نص مكتوب مُعدّ، يصلح لمراجعة أداء الراوي أو ترتيب محادثة مكتوبة بجانب عناصر الإنتاج الأخرى.

ابدأ بالكلمات الدقيقة التي ينبغي سماعها. يُعامل نص 3.8 حرفيًا، بينما يُحدّد المتحدث والأداء المستمر في بيانات وصفية منفصلة للكلام. أعطِ كل جولة هوية متحدث واضحة، وعند الحاجة توجيهًا أسلوبيًا موجزًا مثل قلق متحفظ أو فضول مبتهج. قسّم السطر إلى جولات منفصلة عندما تتغير العاطفة أو السرعة تغيرًا كبيرًا. يسهل بذلك فحص التكليف: يحتوي النص على الحوار، ويشرح التوجيه الملحق كيف ينبغي أداء ذلك الجزء. قد تُقرأ التعليمات المكتوبة العادية الموضوعة في النص بصوت مسموع.

يشمل نظام Google الصوتي 3.8 أصواتًا جاهزة ومكتبة أصوات موسعة وشخصيات صوتية مصممة وهويات صوتية مستنسخة. اختر الشخصية الأساسية قبل تطبيق تغييرات تمثيلية مؤقتة. تنتمي اللهجة الإقليمية الثابتة أو هوية الشخصية إلى الصوت المختار؛ ويتحكم حقل style في الأداء الحالي. تنصح الجهة المصنّعة بإعادة استخدام ذلك الصوت مع توجيهات موجزة، بدل تكرار مقاطع Audio Profile أو Director’s Notes الطويلة. يجمع إعداد الحوار الموثق لطلب واحد ما يصل إلى متحدثين جاهزين. وللشخصيات المصممة أو المستنسخة، يوجه الدليل إلى توليد الجولات منفردة عند تجميع حوار متعدد الشخصيات.

ضع صوتًا بشريًا عابرًا أو وقفة في الموضع المعني باستخدام وسم بين قوسين زاويين. ومن أمثلة النصوص الأصلية: «ظننت أنك رحلت. <short pause> <sigh> أبقيت الضوء مضاءً». ألحق أداءً هادئًا بالجولة كلها، بدل إدراج ذلك التوجيه بين الكلمات المنطوقة. قد تساعد علامات الترقيم والأحرف الكبيرة في تشكيل تردد أو توكيد كلمة. توثق Google أيضًا ردود فعل المستمع المفصولة بعلامة الأنبوب للاستجابات القصيرة المصاحبة والحوار المتداخل، وتحدد Flash TTS بوصفه إصدار 3.8 المفضل عند كثافة التداخل. اجعل هذه الاستجابات قصيرة بما يكفي ليظل المستمع قادرًا على فهم الجملة الرئيسية.

تدرج الجهة المصنّعة 130 لغة مدعومة لـFlash TTS وتؤكد تغطية اللهجات الإقليمية ولهجات الأقليات. يفيد توجيه الأداء بلهجة إقليمية لشخصية في نسخة موطّنة من كتاب صوتي، أو لسرد تهم لهجته الجمهور. جهّز النص بلغته النهائية مع تهجئة متسقة للأسماء المتكررة وقراءة مقصودة للاختصارات والأرقام. كخطوة تحريرية، ابدأ المراجعة بالاستماع إلى المقاطع التي تتضمن أسماء صعبة أو انتقالات بين اللهجات أو تغيرات عاطفية. ينبغي تقييم اللهجة والسرعة المطلوبتين في الصوت المولد، لا افتراض تحققهما من تسمية اللغة وحدها.

يميز دليل إخراج 3.8 بين الملفات الكاملة والصوت المتدفق. الافتراضي للطلب المكتمل ملف WAV بترويسة RIFF: صوت PCM بتردد 24 kHz، أحادي القناة، موقّع بعمق 16-bit وترتيب little-endian. والافتراضي للتدفق PCM خطي خام بلا ترويسة، بخصائص العينات نفسها. تشمل خيارات الترميز الموثقة أيضًا PCM الخطي الخام وmu-law وA-law. استخدم معلومات الترميز الفعلية عند تجهيز التشغيل أو استيراد النتيجة إلى محرر. لسلسلة من ملفات الحوار المنفصلة، حافظ على اتساق التنسيقات وافحص نقاط الوصل بحثًا عن تغيرات مفاجئة في مستوى الصوت أو السرعة أو الصوت المحيط في مكان التسجيل.

تحدد صفحة النموذج الدقيقة حدود تقديم الخدمة عبر Gemini API عند 8,192 رمز إدخال و16,384 رمز إخراج. هذه حدود رموز، وليست مدة ثابتة لكتاب صوتي أو عددًا دقيقًا من ثواني الكلام. قسّم النصوص الطويلة عند حدود ذات معنى، واحتفظ بهوية الصوت المختارة عبر الأقسام. في إنتاج بطول فصل، استمع إلى الاستمرارية عند تغير الفقرات والمشاهد، وإلى دقة الكلمات داخل كل مقطع. تسجل المراجعة العملية الجيدة السطور التي تحتاج مراجعة في النطق أو التمثيل، بدل إعادة كتابة تكليف الصوت كله بعد كل محاولة تسجيل.

يشترك Flash TTS وFlash-Lite TTS في بنية التحضير الخاصة بـ3.8، لذا يمكن اختيار الإصدار بحسب متطلبات العمل. يركز Flash TTS على التمثيل والحوار المعقد والنطق الصعب وتغطية أوسع للهجات؛ ويركز Flash-Lite على معدل الإنجاز للمحتوى المنطوق المعتاد. تتعلق الضوابط التعبيرية بالكلام البشري والأحداث الصوتية. يمكن تخطيط المؤثرات الخلفية والموسيقى المصاحبة والمزيج الصوتي النهائي بوصفها أصولًا منفصلة. وتظل كتابة النص وترجمته والتعرف على الكلام المسجل مراحل مستقلة تحيط بنموذج تحويل النص إلى صوت هذا.

Ailoot Ultra · الكلام POST /v1/audio/speech google/gemini-3.8-flash-tts

google/gemini-3.8-flash-tts

Google /google/gemini-3.8-flash-tts

البداية

المدخلات المقبولة: النص
النتائج: الصوت

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · الكلام POST /v1/audio/speech

الإدخال: text
الإخراج: audio

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود google/gemini-3.8-flash-tts	القيمة الافتراضية—
الحقل`input`	النوع`string`	المتطلبمطلوب	القيم والحدود الحد الأدنى للطول: ⁦1⁩	القيمة الافتراضية—
الحقل`voice`	النوع`string`	المتطلبمطلوب	القيم والحدود Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat الحد الأدنى للطول: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود mp3, pcm	القيمة الافتراضيةpcm
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input, voice
المعلمة`material_types`	المواصفاتtext

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداترمز إدخال	جدول التعرفة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإدخال $0.001 / 1K من الرموز
الإعداداترمز إخراج	جدول التعرفة—	وحدة الفوترة/ 1K من الرموز	الرسوم الإخراج $0.018 / 1K من الرموز

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · الكلام

استخدم المدخلات الفعلية واحتفظ بالنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.8-flash-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

استلام النتائج وحفظها

Ailoot Ultra · الكلام

الصوت الثنائي كاملاً أو استجابة audio_url الأصلية، والترويسات، وكل أصل مملوك لك.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

قراءة الأصول الموجودة المملوكة لك

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra google/gemini-3.8-flash-tts

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

google/gemini-3.8-flash-tts

FAQ · Google: Gemini 3.8 Flash TTS

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/speech · google/gemini-3.8-flash-tts: text → audio
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/speech · google/gemini-3.8-flash-tts: model, input, voice, response_format, provider

Google: Gemini 3.8 Flash TTS