Gemini 3.8 Flash Lite Tts

Μοντέλο ομιλίας της Google για μαζική φωνητική απόδοση κειμένων, διαδοχικών ατάκων και σεναρίων ομιλίας σε 101 γλώσσες.

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

Σχετικά με το μοντέλο

Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.

Το Gemini 3.8 Flash-Lite TTS προορίζεται για μεγάλο αριθμό ενεργειών ομιλίας: ανάγνωση κειμένου, εκφώνηση διαδοχικών ατάκων και καθημερινά σενάρια φωνής. Σύμφωνα με την Google, ο χαρακτήρας του είναι μικρή καθυστέρηση και αποδοτική μαζική επεξεργασία.

Επιλογή φωνής

Το μοντέλο υποστηρίζει 101 γλώσσες, συμπεριλαμβανομένων των ρωσικών. Οι επιλογές περιλαμβάνουν 30 έτοιμες φωνές, διευρυμένη βιβλιοθήκη, δημιουργία φωνητικής ταυτότητας και αναπαραγωγή φωνής από δείγμα. Η φωνή, το ύφος και η ίδια η εκφωνούμενη ατάκα καθορίζονται χωριστά, επομένως δεν χρειάζεται να αναμειγνύεται το κείμενο εκφώνησης με την περιγραφή του τρόπου ανάγνωσης.

Το Flash-Lite χρησιμοποιεί την ίδια μορφή ελέγχου ομιλίας με το Gemini 3.8 Flash TTS. Στον διάλογο οι ατάκες αντιστοιχίζονται σε συγκεκριμένους ομιλητές. Ο αριθμός έτοιμων φωνών σε ένα αίτημα πολλών φωνών περιορίζεται στις δύο· οι φωνές που δημιουργούνται από περιγραφή ή δείγμα χρησιμοποιούνται σε ξεχωριστές ατάκες ομιλίας.

Τι παρέχεται στην είσοδο

Στην είσοδο παρέχεται κείμενο έως 8 192 token και στην έξοδο δημιουργείται ήχος με όριο 16 384 token. Οι ρυθμίσεις εκφώνησης ελέγχουν το ύφος εκτέλεσης, ενώ σύντομα φωνητικά συμβάντα και παύσεις ορίζονται με ειδικές ετικέτες ήχου μέσα στο κείμενο. Πρόκειται για σύνθεση ομιλίας από καθορισμένη ατάκα, όχι για δημιουργία απάντησης κειμένου σε ερώτημα.

Μορφές και επεξεργασία

Για κανονική απάντηση χρησιμοποιείται από προεπιλογή WAV. Η προεπιλεγμένη μορφή ροής είναι PCM χωρίς κεφαλίδα. Οι αρχικές παράμετροι ήχου είναι 24 kHz, ένα κανάλι και 16 bit. Ο κατασκευαστής προβλέπει επίσης PCM, mu-law και A-law. Υποστηρίζονται προσωρινή αποθήκευση συμφραζομένων και μαζική επεξεργασία. Οι δυνατότητες μορφής ήχου πρέπει να εξετάζονται χωριστά από τον πραγματικό τρόπο λήψης αρχείου μέσω της επιλεγμένης μεθόδου ομιλίας.

Όρια του μοντέλου

Για αυτή την έκδοση δεν δηλώνονται Thinking, κλήσεις συναρτήσεων, εκτέλεση κώδικα, αναζήτηση σε αρχεία, τεκμηρίωση μέσω αναζήτησης, Google Maps, δομημένες απαντήσεις κειμένου, δημιουργία εικόνων ή χρήση περιεχομένου διευθύνσεων ιστού. Προορίζεται για γρήγορη εκφώνηση προετοιμασμένου υλικού.

Ο προσανατολισμός στη μικρή καθυστέρηση δεν καθορίζει προθεσμία ολοκλήρωσης κάθε αιτήματος. Η γλωσσική κάλυψη, οι τρόποι επιλογής φωνής και ο έλεγχος εκφοράς περιγράφουν δυνατότητες του ίδιου του μοντέλου και δεν σημαίνουν αυτόματη διαθεσιμότητα όλων των ρυθμίσεων σε κάθε μέθοδο ομιλίας.

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

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Εισαγωγή

Αποδεκτές είσοδοι: Κείμενο
Αποτελέσματα: Ήχος

Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι

Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech

Είσοδος: text
Έξοδος: audio
Παράθυρο συμφραζομένων: 8.192 tokens
Μέγιστη έξοδος: 16.384 tokens
Μορφή εξόδου: εγγενή byte ήχου ή σύνδεσμοι αρχείων πολυμέσων σε JSON

Πεδίο	Τύπος	Απαίτηση	Τιμές και όρια	Προεπιλογή
Πεδίο`model`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια gemini-3.8-flash-lite-tts	Προεπιλογή—
Πεδίο`input`	Τύπος`string`	ΑπαίτησηΥποχρεωτικό	Τιμές και όρια Ελάχιστο μήκος: 1	Προεπιλογή—
Πεδίο`voice`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια 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	ΠροεπιλογήKore
Πεδίο`response_format`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια , wav, json	Προεπιλογή
Πεδίο`stream_format`	Τύπος`string`	ΑπαίτησηΠροαιρετικό	Τιμές και όρια audio	Προεπιλογή—

Συνδυασμοί υλικών εισόδου

text_to_speech · Υποχρεωτικό: input

Παράμετροι και κύκλος ζωής μεθόδου

Παράμετρος	Σύμβαση
Παράμετρος`material_types`	Σύμβασηtext
Παράμετρος`required`	Σύμβασηnull
Παράμετρος`optional_controls`	Σύμβασηnull

Κύκλος ζωής: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.

Τιμολόγηση

Χρεώσεις μεθόδων Ailoot

Ailoot Σύνθεση ομιλίαςPOST /v1/audio/speech

Είσοδος: 0,0005 $ / 1K
Έξοδος: 0,006 $ / 1K
Ανάγνωση από την κρυφή μνήμη: 0,000125 $ / 1K

Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →

Παραδείγματα αιτημάτων

Ailoot · Σύνθεση ομιλίας

Παράδειγμα ομιλίας

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

Λήψη και αποθήκευση αποτελεσμάτων

Ailoot · Σύνθεση ομιλίας

εγγενή byte ήχου ή σύνδεσμοι αρχείων πολυμέσων σε JSON

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

Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα

Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.

Η μία έξοδος επιστρέφει από προεπιλογή εγγενή byte ήχου με τον πραγματικό Content-Type· το response_format=json ή οι πολλαπλές έξοδοι επιστρέφουν όλους τους συνδέσμους που σας ανήκουν. Δεν εκτελείται ζητούμενη μετατροπή σε MP3/Opus/AAC/FLAC/PCM ή SSE.

Αν χρειάζεται έλεγχος της αρχικής απάντησης

Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.

Πεδία απάντησης

Πεδίο	Τύπος
Πεδίο`binary native audio`	Τύποςbytes
Πεδίο`model`	Τύποςstring
Πεδίο`response_id`	Τύποςstring
Πεδίο`actual_count`	Τύποςinteger
Πεδίο`data[]`	Τύποςowned audio asset link

Σφάλματα και επόμενα βήματα

Απάντηση	Συνθήκη	Επόμενο βήμα
Απάντηση400 · `invalid_request_error`	ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου	Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας.
Απάντηση`server_error`	ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο	Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας.

Εναλλακτικά ονόματα

Εναλλακτικά ονόματα μοντέλου

Ailoot gemini-3.8-flash-lite-tts

Εναλλακτικές διαδρομές μεθόδων

Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.

Σχετικά ID μοντέλων

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Ποιες είσοδοι και αποτελέσματα διατίθενται;: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Ποια πεδία χρησιμοποιεί το αίτημα;: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Ποια όρια ισχύουν;: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts