Gemini 3.8 Flash Tts

Řečový model Google pro výrazný hlasový přednes, audioknihy a dialogy s řízením hlasu a podporou 130 jazyků.

Ailoot · Převod na řeč POST /v1/audio/speech gemini-3.8-flash-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 TTS je určen pro výrazný hlasový přednes a dlouhé vyprávění. Google zdůrazňuje audioknihy, dialogy s několika mluvčími a stálost hlasu v dlouhých úsecích. Řízení řeči zahrnuje emocionální projev, rytmus a výslovnost, včetně regionálních přízvuků a dialektů.

Hlasy a jazyky

Pro model je deklarováno 130 jazyků, včetně ruštiny. K dispozici jsou 30 hotových hlasů, rozšířená knihovna, vytvoření hlasu podle popisu a napodobení hlasu podle vzorku. Tyto možnosti umožňují volit barvu hlasu a charakter přednesu pro konkrétní materiál.

Repliky dialogu jsou propojeny s mluvčími. Jeden požadavek s několika mluvčími může využívat nejvýše dva hotové hlasy. U hlasů vytvořených podle popisu nebo vzorku se repliky syntetizují samostatně; dostupnost takového hlasu z něj nedělá další hotový hlas v požadavku s více hlasy.

Text a řízení přednesu

Vstupem je text, výstupem zvuk. Limity jsou 8 192 vstupních tokenů a 16 384 výstupních tokenů. Text je chápán jako replika určená k vyslovení; popis stylu a vybraný mluvčí se zadávají samostatně. Lze tak oddělit slova, která mají zaznít, od instrukcí k tomu, jak je číst.

Styl zahrnuje emoce, tempo, hlasitost a prozodii. Krátké projevy, jako smích, vzdech a pauza, se zadávají speciálními zvukovými značkami v replice. Tyto značky slouží k řízení přednesu, nikoli jako běžná slova ke čtení.

Zvukové formáty a schopnosti

Při běžném generování se ve výchozím nastavení vrací WAV. Pro streamování se ve výchozím nastavení používá PCM bez hlavičky. Výchozí parametry jsou 24 kHz, jeden kanál a 16 bitů. K dispozici jsou také PCM, mu-law a A-law. Podporováno je ukládání kontextu do mezipaměti i dávkové zpracování. Konkrétní formát souboru a dostupná nastavení závisejí na zvolené řečové metodě.

Model se specializuje na vytváření řeči. Volání funkcí, provádění kódu, vyhledávání v souborech, podložení vyhledáváním, Google Maps, generování obrázků, strukturované textové odpovědi, Thinking ani obsah webových adres nejsou podporovány. Stálý hlas a řízená výraznost jsou deklarovanými zaměřeními modelu, nikoli slibem dokonalé výslovnosti každé repliky.

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

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Úvod

Řečový model Google pro výrazný hlasový přednes, audioknihy a dialogy s řízením hlasu a podporou 130 jazyků.

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-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: 0,009 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-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-tts

Aliasy cest metod

Použijte cesty metod uvedené výše.

Související ID modelů

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

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

Gemini 3.8 Flash Tts