Gemini 3.8 Flash Lite Tts
Sprachmodell von Google für umfangreiche Textvertonung, aufeinanderfolgende Äußerungen und Sprachanwendungen in 101 Sprachen.
Über das Modell
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.8 Flash-Lite TTS ist auf viele Sprachoperationen ausgelegt: das Vorlesen von Text, die Vertonung aufeinanderfolgender Äußerungen und alltägliche Sprachanwendungen. Laut Google liegt sein Schwerpunkt auf geringer Latenz und effizienter Verarbeitung in großem Umfang.
Eine Stimme wählen
Das Modell unterstützt 101 Sprachen, darunter Russisch. Zu den Möglichkeiten gehören 30 fertige Stimmen, eine erweiterte Bibliothek, das Erstellen eines Stimmcharakters und die Nachbildung einer Stimme anhand einer Vorlage. Stimme, Stil und die eigentliche Äußerung werden getrennt festgelegt. Der zu vertonende Text muss daher nicht mit einer Beschreibung der Sprechweise vermischt werden.
Flash-Lite verwendet dasselbe Format zur Sprachsteuerung wie Gemini 3.8 Flash TTS. In einem Dialog werden Äußerungen bestimmten sprechenden Personen zugeordnet. Pro Anfrage mit mehreren Stimmen sind höchstens zwei fertige Stimmen zulässig; anhand einer Beschreibung oder Vorlage erstellte Stimmen werden für einzelne Sprachäußerungen verwendet.
Was als Eingabe dient
Die Eingabe ist Text mit bis zu 8 192 Tokens; als Ausgabe entsteht Audio mit einer Grenze von 16 384 Tokens. Spracheinstellungen steuern den Vortragsstil. Kurze vokale Ereignisse und Pausen werden mit speziellen Audio-Tags innerhalb des Textes vorgegeben. Das ist Sprachsynthese für eine festgelegte Äußerung, keine Generierung einer Textantwort auf eine Frage.
Formate und Verarbeitung
Für eine gewöhnliche Antwort wird standardmäßig WAV verwendet. Das Standardformat für Streaming ist PCM ohne Header. Die ursprünglichen Audioparameter sind 24 kHz, ein Kanal und 16 Bit. Der Hersteller sieht außerdem PCM, mu-law und A-law vor. Kontext-Caching und Stapelverarbeitung werden unterstützt. Die Möglichkeiten des Audioformats müssen getrennt vom tatsächlichen Verfahren betrachtet werden, mit dem die gewählte Sprachmethode eine Datei bereitstellt.
Modellgrenzen
Thinking, Funktionsaufrufe, Codeausführung, Dateisuche, suchgestützte Fundierung, Google Maps, strukturierte Textantworten, Bilderstellung und die Nutzung von Inhalten aus Webadressen sind für diese Version nicht angegeben. Sie dient zur schnellen Vertonung vorbereiteten Materials.
Die Ausrichtung auf geringe Latenz legt keine Abschlusszeit jeder Anfrage fest. Sprachabdeckung, Verfahren zur Stimmenwahl und Steuerung der Darbietung beschreiben die Fähigkeiten des Modells selbst. Sie bedeuten nicht, dass alle Einstellungen automatisch in jeder Sprachmethode verfügbar sind.
Ailoot · Sprachausgabe POST /v1/audio/speech gemini-3.8-flash-lite-tts
gemini-3.8-flash-lite-ttsEinstieg
Sprachmodell von Google für umfangreiche Textvertonung, aufeinanderfolgende Äußerungen und Sprachanwendungen in 101 Sprachen.
- Zulässige Eingaben
- Text
- Ergebnisse
- Audio
In Ailoot verfügbar · Eingaben und Methoden
Ailoot · Sprachausgabe POST /v1/audio/speech
- Eingabe
text- Ausgabe
audio- Kontext
- 8 192 tokens
- Maximale Ausgabe
- 16 384 tokens
- Ausgabeformat
- native Audiobytes oder JSON-Asset-Links
| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.8-flash-lite-tts | Standard— |
Feldinput | Typstring | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— |
Feldvoice | Typstring | AnforderungOptional | Werte und Limits 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 |
Feldresponse_format | Typstring | AnforderungOptional | Werte und Limits , wav, json | Standard |
Feldstream_format | Typstring | AnforderungOptional | Werte und Limits audio | Standard— |
Kombinationen von Eingabematerialien
text_to_speech · Erforderlich: input
Methodenparameter und Lebenszyklus
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext |
Parameterrequired | Vertragnull |
Parameteroptional_controls | Vertragnull |
Lebenszyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · die tatsächlich zurückgegebene task_id oder ein Eintrag in der Medienbibliothek
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
Tarife
Ailoot-Methodentarife
POST /v1/audio/speech- Eingabe
- $ 0,0005 / 1K
- Ausgabe
- $ 0,006 / 1K
- Cache lesen
- $ 0,000125 / 1K
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Beispielanfragen
Ailoot · Sprachausgabe
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
Ergebnisse abrufen und speichern
Ailoot · Sprachausgabe
native Audiobytes oder JSON-Asset-Links
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Alle fertiggestellten Ergebnisse aufbewahren
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Eine einzelne Ausgabe liefert standardmäßig native Audiobytes mit tatsächlichem Content-Type; response_format=json oder mehrere Ausgaben liefern sämtliche Ihnen zugeordneten Links zurück. Keine angeforderte MP3/Opus/AAC/FLAC/PCM-Konvertierung und kein SSE.
Wenn die ursprüngliche Antwort geprüft werden muss
Die ursprüngliche operation_id/X-Client-Request-ID für den Abgleich ohne erneute Einreichung aufbewahren; es gibt keine eigene Route zur Abfrage des Audiostatus.
Antwortfelder
| Feld | Typ |
|---|---|
Feldbinary native audio | Typbytes |
Feldmodel | Typstring |
Feldresponse_id | Typstring |
Feldactual_count | Typinteger |
Felddata[] | Typowned audio asset link |
Fehler und nächste Schritte
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Antwortserver_error | BedingungDie zurückgegebene Antwort gibt an, dass der Vorgang oder das Ergebnis eine Prüfung erfordert | Nächster SchrittDie ursprünglich zurückgegebene Vorgangs-/Aufgaben-ID, die Anfrageheader und die Antwort aufbewahren; mit unterstützten Leseaufrufen für diesen ursprünglichen Vorgang fortfahren. Die Erstellungsanfrage nicht erneut senden. |
Aliasnamen
Modellaliasnamen
Ailoot gemini-3.8-flash-lite-tts
Aliasnamen für Methodenpfade
Verwenden Sie die oben angezeigten Methodenpfade.
Zugehörige Aufrufer-IDs
FAQ · Gemini 3.8 Flash Lite Tts
- Welche Eingaben und Ergebnisse sind verfügbar?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:text→audio- Welche Felder verwendet die Anfrage?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:model,input,voice,response_format,stream_format- Welche Grenzen gelten?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:ctx:8192;max_out:16384