Gemini 3.8 Flash Lite Tts

Talemodel fra Google til oplæsning af mange tekster, successive replikker og stemmeforløb på 101 sprog.

Ailoot · Oplæsning POST /v1/audio/speech gemini-3.8-flash-lite-tts

Om modellen

Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.

Gemini 3.8 Flash-Lite TTS er beregnet til mange taleoperationer: tekstlæsning, oplæsning af successive replikker og daglige stemmeforløb. Ifølge Google er profilen kort svartid og effektiv behandling i stor skala.

Stemmevalg

Modellen understøtter 101 sprog, herunder russisk. Mulighederne omfatter 30 færdige stemmer, en udvidet samling, skabelse af en stemmekarakter og gengivelse af en stemme ud fra en prøve. Stemme, stil og selve replikken angives separat, så oplæsningsteksten ikke skal blandes med beskrivelsen af læsemåden.

Flash-Lite bruger samme talestyringsformat som Gemini 3.8 Flash TTS. I en dialog knyttes replikkerne til bestemte talere. Antallet af færdige stemmer i én forespørgsel med flere stemmer er begrænset til to; stemmer skabt ud fra beskrivelse eller prøve bruges i særskilte talereplikker.

Hvad der indgår som input

Input er tekst på op til 8 192 tokens, og output lyd med en grænse på 16 384 tokens. Fremførelsesindstillinger styrer stilen, mens korte vokale hændelser og pauser angives med særlige lydtags i teksten. Det er talesyntese af en angivet replik, ikke generering af et tekstsvar på et spørgsmål.

Formater og behandling

Et almindeligt svar bruger WAV som standard. Streamingformatet er som standard PCM uden header. De oprindelige lydparametre er 24 kHz, én kanal og 16 bit. Producenten tilbyder også PCM, mu-law og A-law. Kontekstcaching og batchbehandling understøttes. Lydformatets muligheder skal vurderes separat fra den faktiske måde, den valgte talemetode leverer filen på.

Modellens grænser

Denne version beskriver ikke Thinking, funktionskald, kodeudførelse, filsøgning, søgebaseret forankring, Google Maps, strukturerede tekstsvar, billedskabelse eller brug af webadressers indhold. Formålet er hurtigt at oplæse forberedt materiale.

Fokus på kort svartid fastlægger ikke en afslutningsfrist for hver forespørgsel. Sprogdækning, stemmevalg og fremførelsesstyring beskriver selve modellens muligheder og betyder ikke automatisk adgang til alle indstillinger gennem enhver talemetode.

Ailoot · Oplæsning POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Start

Talemodel fra Google til oplæsning af mange tekster, successive replikker og stemmeforløb på 101 sprog.

Accepterede input: Tekst
Resultater: Lyd

Tilgængelig i Ailoot · input og metoder

Ailoot · Oplæsning POST /v1/audio/speech

Inputtyper: text
Outputtyper: audio
Kontekst: 8.192 tokens
Maksimalt output: 16.384 tokens
Outputformat: lydbytes i det oprindelige format eller JSON-links til aktiver

Felt	Type	Krav	Værdier og grænser	Standard
Felt`model`	Type`string`	KravPåkrævet	Værdier og grænser gemini-3.8-flash-lite-tts	Standard—
Felt`input`	Type`string`	KravPåkrævet	Værdier og grænser Minimumslængde: 1	Standard—
Felt`voice`	Type`string`	KravValgfrit	Værdier og grænser 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	StandardKore
Felt`response_format`	Type`string`	KravValgfrit	Værdier og grænser , wav, json	Standard
Felt`stream_format`	Type`string`	KravValgfrit	Værdier og grænser audio	Standard—

Kombinationer af inputmaterialer

text_to_speech · Påkrævet: input

Metodeparametre og livscyklus

Parameter	Kontrakt
Parameter`material_types`	Kontrakttext
Parameter`required`	Kontraktnull
Parameter`optional_controls`	Kontraktnull

Livscyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · det faktisk returnerede task_id eller posten i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.

Priser

Ailoot-metodetakster

Ailoot OplæsningPOST /v1/audio/speech

Input: 0,0005 US$ / 1K
Output: 0,006 US$ / 1K
Cachelæsning: 0,000125 US$ / 1K

Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →

Eksempelanmodninger

Ailoot · Oplæsning

Taleeksempel

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

Hent og gem resultater

Ailoot · Oplæsning

lydbytes i det oprindelige format eller JSON-links til aktiver

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

Behold alle færdige resultater

Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.

Et enkelt output bruger som standard native lydbytes med faktisk Content-Type; response_format=json eller flere output returnerer alle links, du ejer. Ingen anmodet konvertering til MP3/Opus/AAC/FLAC/PCM eller SSE.

Hvis det oprindelige svar skal kontrolleres

Gem det oprindelige operation_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd.

Svarfelter

Felt	Type
Felt`binary native audio`	Typebytes
Felt`model`	Typestring
Felt`response_id`	Typestring
Felt`actual_count`	Typeinteger
Felt`data[]`	Typeowned audio asset link

Fejl og næste trin

Svar	Betingelse	Næste trin
Svar400 · `invalid_request_error`	BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi	Næste trinRet de angivne felter før en ny oprettelsesanmodning.
Svar`server_error`	BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres	Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen.

Aliaser

Modelaliaser

Ailoot gemini-3.8-flash-lite-tts

Aliaser for metodestier

Brug metodestierne vist ovenfor.

Relaterede kalder-ID’er

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Hvilke input og resultater er tilgængelige?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Hvilke felter bruger anmodningen?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Hvilke grænser gælder?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts