Gemini 3.8 Flash Tts

Google-Sprachsynthesemodell für ausdrucksstarke Vertonung, Hörbücher und Dialoge mit Stimmensteuerung und Unterstützung für 130 Sprachen.

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

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 TTS ist für ausdrucksstarke Vertonung und längere Erzählungen vorgesehen. Google hebt Hörbücher, Dialoge mit mehreren Sprechern und die Stimmstabilität über längere Abschnitte hervor. Die Sprachsteuerung umfasst emotionale Darbietung, Rhythmus und Aussprache, einschließlich regionaler Akzente und Dialekte.

Stimmen und Sprachen

Für das Modell sind 130 Sprachen angegeben, darunter Russisch. Verfügbar sind 30 vorhandene Stimmen, eine erweiterte Bibliothek, die Erstellung eines Stimmprofils anhand einer Beschreibung und die Nachbildung einer Stimme anhand einer Probe. Damit lassen sich Klangfarbe und Darbietungscharakter für konkretes Material wählen.

Dialogbeiträge werden Sprechern zugeordnet. Eine einzelne Anfrage mit mehreren Sprechern darf höchstens zwei vorhandene Stimmen verwenden. Mit anhand einer Beschreibung oder Probe erstellten Stimmen werden Beiträge getrennt synthetisiert; eine solche Stimme wird dadurch nicht zu einer weiteren vorhandenen Stimme innerhalb einer Anfrage mit mehreren Stimmen.

Text und Darbietungssteuerung

Die Eingabe ist Text, die Ausgabe Audio. Die Grenzen betragen 8 192 Eingabe-Tokens und 16 384 Ausgabe-Tokens. Der Text wird als gesprochener Beitrag behandelt; Stilbeschreibung und gewählter Sprecher werden separat angegeben. So lassen sich die zu sprechenden Worte von Anweisungen zu ihrer Wiedergabe trennen.

Der Stil umfasst Emotion, Tempo, Lautstärke und Prosodie. Kurze Ereignisse — Lachen, Seufzen, Pausen — werden durch spezielle Audio-Tags innerhalb des Beitrags festgelegt. Diese Tags steuern die Darbietung und sind keine gewöhnlichen vorzulesenden Wörter.

Audioformate und Fähigkeiten

Bei gewöhnlicher Generierung wird standardmäßig WAV zurückgegeben. Für Streaming wird standardmäßig PCM ohne Header verwendet. Die ursprünglichen Parameter sind 24 kHz, ein Kanal und 16 Bit. Außerdem sind PCM, mu-law und A-law vorgesehen. Kontext-Caching und Batch-Verarbeitung werden unterstützt. Das konkrete Dateiformat und verfügbare Einstellungen hängen von der gewählten Sprachmethode ab.

Das Modell ist auf Sprachgenerierung spezialisiert. Funktionsaufrufe, Codeausführung, Dateisuche, Untermauerung durch Suchergebnisse, Google Maps, Bildgenerierung, strukturierte Textantworten, Thinking und Webadressinhalte werden nicht unterstützt. Stimmstabilität und steuerbarer Ausdruck sind angegebene Zielrichtungen des Modells, kein Versprechen perfekter Aussprache jedes Beitrags.

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

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Start

Google-Sprachsynthesemodell für ausdrucksstarke Vertonung, Hörbücher und Dialoge mit Stimmensteuerung und Unterstützung für 130 Sprachen.

Zulässige Eingaben: Text
Ergebnisse: Audio

In Ailoot verfügbar · Eingaben und Methoden

Ailoot · Sprachausgabe POST /v1/audio/speech

Eingabetypen: text
Ausgabetypen: audio
Kontext: 8.192 tokens
Maximale Ausgabe: 16.384 tokens
Ausgabeformat: Native Audiobytes oder JSON-Asset-Links

Feld	Typ	Anforderung	Werte und Limits	Standard
Feld`model`	Typ`string`	AnforderungErforderlich	Werte und Limits gemini-3.8-flash-tts	Standard—
Feld`input`	Typ`string`	AnforderungErforderlich	Werte und Limits Mindestlänge: 1	Standard—
Feld`voice`	Typ`string`	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
Feld`response_format`	Typ`string`	AnforderungOptional	Werte und Limits , wav, json	Standard
Feld`stream_format`	Typ`string`	AnforderungOptional	Werte und Limits audio	Standard—

Kombinationen von Eingabematerialien

text_to_speech · Erforderlich: input

Methodenparameter und Lebenszyklus

Parameter	Vertrag
Parameter`material_types`	Vertragtext
Parameter`required`	Vertragnull
Parameter`optional_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

Ailoot SprachausgabePOST /v1/audio/speech

Eingabe: 0,0005 $ / 1K
Ausgabe: 0,009 $ / 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

Sprachbeispiel

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

Ergebnisse abrufen und speichern

Ailoot · Sprachausgabe

Native Audiobytes oder JSON-Asset-Links

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

Alle fertiggestellten Ergebnisse aufbewahren

Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.

Bei einer einzelnen Ausgabe werden standardmäßig native Audiobytes mit dem tatsächlichen Content-Type zurückgegeben; response_format=json oder mehrere Ausgaben liefern alle Links der Ihnen zugeordneten Assets. Keine angeforderte Konvertierung in MP3/Opus/AAC/FLAC/PCM 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
Feld`binary native audio`	Typbytes
Feld`model`	Typstring
Feld`response_id`	Typstring
Feld`actual_count`	Typinteger
Feld`data[]`	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.
Antwort`server_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-tts

Aliasnamen für Methodenpfade

Verwenden Sie die oben angezeigten Methodenpfade.

Zugehörige Aufrufer-IDs

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Welche Eingaben und Ergebnisse sind verfügbar?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
Welche Felder verwendet die Anfrage?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Welche Grenzen gelten?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts