Gemini 3.8 Flash Lite Tts

Řečový model Google pro hromadné hlasové zpracování textů, navazujících replik a hlasových scénářů ve 101 jazycích.

Ailoot · Převod na řeč POST /v1/audio/speech gemini-3.8-flash-lite-tts

O modelu

Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.

Gemini 3.8 Flash-Lite TTS je navržen pro velké množství řečových operací: čtení textu, hlasové zpracování navazujících replik a běžné hlasové scénáře. Podle Google je jeho profilem krátká prodleva a efektivní hromadné zpracování.

Volba hlasu

Model podporuje 101 jazyků, včetně ruštiny. Mezi možnostmi jsou 30 hotových hlasů, rozšířená knihovna, vytváření hlasu a napodobení hlasu podle vzorku. Hlas, styl a samotná vyslovená replika se zadávají samostatně, takže text určený k přednesu není potřeba míchat s popisem charakteru čtení.

Flash-Lite používá stejný formát řízení řeči jako Gemini 3.8 Flash TTS. V dialogu patří repliky určitým mluvčím. Počet hotových hlasů v jednom požadavku s více hlasy je omezen na dva; hlasy vytvořené podle popisu nebo vzorku se používají v samostatných řečových replikách.

Co se předává na vstupu

Na vstupu se předává text až do 8 192 tokenů, na výstupu vzniká zvuk s limitem 16 384 tokenů. Nastavení přednesu řídí styl projevu a krátké hlasové projevy i pauzy se zadávají speciálními zvukovými značkami v textu. Jde o syntézu řeči podle zadané repliky, nikoli o generování textové odpovědi na otázku.

Formáty a zpracování

Pro běžnou odpověď se ve výchozím nastavení používá WAV. Výchozím streamovaným formátem je PCM bez hlavičky. Výchozí parametry zvuku jsou 24 kHz, jeden kanál a 16 bitů. Výrobce nabízí také PCM, mu-law a A-law. Podporováno je ukládání kontextu do mezipaměti i dávkové zpracování. Možnosti zvukového formátu je třeba posuzovat samostatně od skutečného způsobu získání souboru zvolenou řečovou metodou.

Hranice modelu

U této verze nejsou deklarovány Thinking, volání funkcí, provádění kódu, vyhledávání v souborech, podložení vyhledáváním, Google Maps, strukturované textové odpovědi, vytváření obrázků ani využívání obsahu webových adres. Jejím účelem je rychle přednášet připravený materiál.

Zaměření na krátkou prodlevu neurčuje dobu dokončení každého požadavku. Jazykové pokrytí, způsoby volby hlasu a řízení přednesu popisují schopnosti samotného modelu a neznamenají automatickou dostupnost všech nastavení v libovolné řečové metodě.

Ailoot · Převod na řeč POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Úvod

Řečový model Google pro hromadné hlasové zpracování textů, navazujících replik a hlasových scénářů ve 101 jazycích.

Přijímané vstupy: Text
Výsledky: Zvuk

Dostupné v Ailoot · vstupy a metody

Ailoot · Převod na řeč POST /v1/audio/speech

Vstup: text
Výstup: audio
Kontext: 8 192 tokens
Maximální výstup: 16 384 tokens
Výstupní formát: nativní bajty zvuku nebo odkazy na soubory v JSON

Pole	Typ	Požadavek	Hodnoty a limity	Výchozí
Pole`model`	Typ`string`	PožadavekPovinné	Hodnoty a limity gemini-3.8-flash-lite-tts	Výchozí—
Pole`input`	Typ`string`	PožadavekPovinné	Hodnoty a limity Minimální délka: 1	Výchozí—
Pole`voice`	Typ`string`	PožadavekVolitelné	Hodnoty a limity Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Arlo, Autonoe, Bodi, Brio, Callirrhoe, Charon, Cleo, Cruz, Daro, Despina, Elio, Enceladus, Enya, Enzo, Erinome, Fenrir, Finn, Fola, Gacrux, Gero, Hali, Iapetus, Jett, Jori, Kira, Knox, Koda, Kore, Laomedeia, Leda, Lora, Ludo, Lumi, Mako, Milo, Neno, Nika, Nyla, Olin, Orus, Puck, Pulcherrima, Rami, Rasalgethi, Riko, Rina, Sadachbia, Sadaltager, Sami, Schedar, Sola, Sulafat, Tari, Tavi, Tova, Umbriel, Varo, Veda, Vindemiatrix, Zali, Zeno, Zephyr, Zubenelgenubi, Zuri	VýchozíKore
Pole`response_format`	Typ`string`	PožadavekVolitelné	Hodnoty a limity , wav, json	Výchozí
Pole`stream_format`	Typ`string`	PožadavekVolitelné	Hodnoty a limity audio	Výchozí—

Kombinace vstupních materiálů

text_to_speech · Povinné: input

Parametry a životní cyklus metody

Parametr	Kontrakt
Parametr`material_types`	Kontrakttext
Parametr`required`	Kontraktnull
Parametr`optional_controls`	Kontraktnull

Životní cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.

Tarify

Sazby metod Ailoot

Ailoot Převod na řečPOST /v1/audio/speech

Vstup: 0,0005 US$ / 1K
Výstup: 0,006 US$ / 1K
Čtení z mezipaměti: 0,000125 US$ / 1K

Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →

Příklady požadavků

Ailoot · Převod na řeč

Příklad řeči

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.8-flash-lite-tts", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
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 speech.wav

Přijímání a ukládání výsledků

Ailoot · Převod na řeč

nativní bajty zvuku nebo odkazy na soubory v JSON

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

Uchovejte všechny dokončené výsledky

Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.

Jediný výstup standardně vrací nativní bajty zvuku se skutečným Content-Type; response_format=json nebo více výstupů vrátí všechny odkazy spravované službou. Bez požadovaného převodu na MP3/Opus/AAC/FLAC/PCM a bez SSE.

Pokud je nutné ověřit původní odpověď

Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.

Pole odpovědi

Pole	Typ
Pole`binary native audio`	Typbytes
Pole`model`	Typstring
Pole`response_id`	Typstring
Pole`actual_count`	Typinteger
Pole`data[]`	Typowned audio asset link

Chyby a další kroky

Odpověď	Podmínka	Další krok
Odpověď400 · `invalid_request_error`	PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru	Další krokPřed novým požadavkem na vytvoření opravte uvedená pole.
Odpověď`server_error`	PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat	Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte.

Aliasy

Aliasy modelu

Ailoot gemini-3.8-flash-lite-tts

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Jaké vstupy a výsledky jsou dostupné?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Jaká pole požadavek používá?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Jaké limity platí?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts