Gemini 3.8 Flash Lite Tts

Modelo de voz de Google para poner voz a textos a gran escala, intervenciones sucesivas y escenarios de voz en 101 idiomas.

Ailoot · Síntesis de voz POST /v1/audio/speech gemini-3.8-flash-lite-tts

Sobre el modelo

Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.

Gemini 3.8 Flash-Lite TTS está diseñado para muchas operaciones de voz: leer texto, poner voz a intervenciones sucesivas y tareas cotidianas. Según Google, su perfil es baja latencia y procesamiento eficiente a gran escala.

Elección de voz

El modelo admite 101 idiomas, incluido el ruso. Ofrece 30 voces predefinidas, una biblioteca ampliada, creación de una voz y reproducción a partir de una muestra. Voz, estilo y texto que se pronuncia se definen por separado, por lo que no hace falta mezclar la locución con la descripción de cómo leerla.

Flash-Lite utiliza el mismo formato de control de voz que Gemini 3.8 Flash TTS. Las intervenciones del diálogo se asignan a hablantes. Una solicitud multivoz admite un máximo de dos voces predefinidas; las voces creadas mediante descripción o muestra se utilizan en intervenciones independientes.

Qué recibe

La entrada es texto de hasta 8 192 tokens y la salida, audio con un límite de 16 384 tokens. Los ajustes controlan la interpretación; los sonidos vocales breves y pausas se indican mediante etiquetas de audio dentro del texto. Es síntesis de voz de una intervención definida, no una respuesta de texto a una pregunta.

Formatos y procesamiento

La respuesta normal utiliza WAV por defecto. El formato por defecto en streaming es PCM sin cabecera. Los parámetros originales son 24 kHz, un canal y 16 bits. El fabricante también contempla PCM, mu-law y A-law. Se admiten caché de contexto y procesamiento por lotes. Las capacidades de formato deben considerarse por separado de la forma real de obtener el archivo mediante el método de voz elegido.

Límites del modelo

Esta versión no anuncia Thinking, llamadas a funciones, ejecución de código, búsqueda en archivos, fundamentación mediante búsqueda, Google Maps, respuestas de texto estructuradas, creación de imágenes ni contenido de direcciones web. Su objetivo es poner voz con rapidez a material preparado.

La baja latencia no fija el plazo de finalización de cada solicitud. Idiomas, elección de voz y control de interpretación describen capacidades del modelo y no implican que todos los ajustes estén disponibles automáticamente en cualquier método de voz.

Ailoot · Síntesis de voz POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Inicio

Modelo de voz de Google para poner voz a textos a gran escala, intervenciones sucesivas y escenarios de voz en 101 idiomas.

Entradas aceptadas: Texto
Resultados: Audio

Disponible en Ailoot · entradas y métodos

Ailoot · Síntesis de voz POST /v1/audio/speech

Entrada: text
Salida: audio
Contexto: 8,192 tokens
Salida máxima: 16,384 tokens
Formato de salida: bytes de audio nativos o enlaces JSON a recursos

Campo	Tipo	Requisito	Valores y límites	Predeterminado
Campo`model`	Tipo`string`	RequisitoObligatorio	Valores y límites gemini-3.8-flash-lite-tts	Predeterminado—
Campo`input`	Tipo`string`	RequisitoObligatorio	Valores y límites Longitud mínima: 1	Predeterminado—
Campo`voice`	Tipo`string`	RequisitoOpcional	Valores y límites 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	PredeterminadoKore
Campo`response_format`	Tipo`string`	RequisitoOpcional	Valores y límites , wav, json	Predeterminado
Campo`stream_format`	Tipo`string`	RequisitoOpcional	Valores y límites audio	Predeterminado—

Combinaciones de materiales de entrada

text_to_speech · Obligatorio: input

Parámetros del método y ciclo de vida

Parámetro	Contrato
Parámetro`material_types`	Contratotext
Parámetro`required`	Contratonull
Parámetro`optional_controls`	Contratonull

Ciclo de vida: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · El task_id real devuelto o el registro de la biblioteca multimedia

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.

Tarifas

Tarifas de métodos Ailoot

Ailoot Síntesis de vozPOST /v1/audio/speech

Entrada: USD 0.0005 / 1K
Salida: USD 0.006 / 1K
Lectura de caché: USD 0.000125 / 1K

Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →

Solicitudes de ejemplo

Ailoot · Síntesis de voz

Ejemplo de voz

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

Recibir y guardar resultados

Ailoot · Síntesis de voz

bytes de audio nativos o enlaces JSON a recursos

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

Conserva todos los resultados completados

Conserva todas las respuestas, archivos y partes de contenido completos recibidos.

Una sola salida devuelve de forma predeterminada bytes de audio nativos con el Content-Type real; response_format=json o varias salidas devuelven todos los enlaces de contenido que te pertenece. No se realiza conversión solicitada a MP3/Opus/AAC/FLAC/PCM ni se usa SSE.

Si es necesario revisar la respuesta original

Conserva el operation_id/X-Client-Request-ID original para la conciliación sin volver a enviar la solicitud; no hay una ruta específica para consultar el estado del audio.

Campos de respuesta

Campo	Tipo
Campo`binary native audio`	Tipobytes
Campo`model`	Tipostring
Campo`response_id`	Tipostring
Campo`actual_count`	Tipointeger
Campo`data[]`	Tipoowned audio asset link

Errores y siguientes pasos

Respuesta	Condición	Siguiente paso
Respuesta400 · `invalid_request_error`	CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos	Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación.
Respuesta`server_error`	CondiciónLa respuesta devuelta indica que la operación o el resultado requiere una revisión	Siguiente pasoConserva el ID original de operación o tarea devuelto, los encabezados de la solicitud y la respuesta; continúa con las consultas admitidas de esa operación original. No vuelvas a enviar la solicitud de creación.

Alias

Alias del modelo

Ailoot gemini-3.8-flash-lite-tts

Alias de rutas de métodos

Usa las rutas de método indicadas arriba.

ID de modelo relacionados

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

¿Qué entradas y resultados están disponibles?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
¿Qué campos utiliza la solicitud?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
¿Qué límites se aplican?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts