Google: Gemini 3.8 Flash TTS

Google Gemini 3.8 Flash TTS luo ilmeikästä puhetta äänikirjoihin, studiossa tuotettavaan kerrontaan ja hahmojen vuoropuheluun. Se yhdistää sanatarkan käsikirjoituksen erillisiin puhujia ja näyttelijäntyötä koskeviin ohjeisiin sekä puheäänen hetkellistä ilmaisua määrittäviin tunnisteisiin. Se tukee 130 kieltä, ja painopisteenä ovat ääntäminen, alueelliset aksentit ja puheäänen yhtenäisyys.

Ailoot Ultra · Puhe POST /v1/audio/speech google/gemini-3.8-flash-tts

Tietoa mallista

Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.

Google Gemini 3.8 Flash TTS on Googlen 3.8-sarjan luovaan ääni-ilmaisuun tarkoitettu tekstistä puheeksi -malli. Se painottaa akustista toistotarkkuutta, tunnesävyjen kirjoa, alueellisia aksentteja ja hahmon äänen yhtenäisyyttä pitkissä vuoropuheluissa. Google nostaa esiin äänikirjat, studiokerronnan, ääntämisen kannalta vaativan sisällön ja runsaasti ääninäyttelijäntyötä sisältävät kohtaukset. Tuloksena syntyy valmistellusta tekstikäsikirjoituksesta tuotettua puheääntä, joka soveltuu kertojan esityksen arviointiin tai käsikirjoitetun keskustelun sovittamiseen muiden tuotantoelementtien yhteyteen.

Aloita täsmälleen niistä sanoista, jotka kuulijan on tarkoitus kuulla. 3.8-versiossa puheteksti käsitellään sanatarkasti, kun taas puhujan tiedot ja jatkuvaa esitystapaa koskevat ohjeet kuuluvat erillisiin puheen metatietoihin. Määritä kunkin puhevuoron puhuja selkeästi ja anna tarvittaessa lyhyt tyyliohje, kuten hillitty huolestuneisuus tai iloinen uteliaisuus. Jaa repliikki erillisiksi puhevuoroiksi, jos tunne tai puhetahti muuttuu huomattavasti. Näin ohjeistusta on helpompi tarkistaa: puheteksti sisältää vuoropuhelun, ja siihen liitetty ohje kertoo, miten kyseinen osuus tulee esittää. Puhetekstiin tavallisena tekstinä kirjoitetut ohjeet saatetaan lukea ääneen.

Googlen 3.8-äänijärjestelmä sisältää valmiita ääniä, laajennetun äänikirjaston, suunniteltuja äänipersoonia ja jäljennettyjä ääni-identiteettejä. Valitse ensin äänen pohjana oleva persoona ja tee vasta sitten tilapäiset muutokset esitystapaan. Pysyvä alueellinen aksentti tai hahmon identiteetti kuuluu valittuun ääneen; style-kenttä ohjaa kulloistakin esitystapaa. Valmistaja suosittelee käyttämään samaa ääntä uudelleen lyhyiden ohjeiden kanssa sen sijaan, että toistaisit pitkiä Audio Profile -lohkoja tai Director’s Notes -lohkoja. Dokumentoidussa yhden pyynnön vuoropuhelukokoonpanossa yhdistetään enintään kaksi valmista puhujanääntä. Kun monen hahmon keskustelu kootaan suunnitelluista tai jäljennetyistä hahmoäänistä, opas neuvoo tuottamaan puhevuorot yksitellen.

Merkitse puhujan lyhyt äännähdys tai tauko asianmukaiseen kohtaan kulmasulkeisiin kirjoitetulla tunnisteella. Alkuperäinen käsikirjoitusesimerkki on ”Luulin, että olit lähtenyt. <short pause> <sigh> Pidin valon päällä.” Liitä hillittyä esitystapaa koskeva ohje koko puhevuoroon sen sijaan, että kirjoittaisit sen puhuttavien sanojen joukkoon. Välimerkit ja isojen kirjainten käyttö voivat auttaa rytmittämään epäröintiä tai painottamaan sanaa. Google dokumentoi myös pystyviivoilla erotellut kuulijan reaktiot myötäilyä ja päällekkäistä vuoropuhelua varten ja nimeää Flash TTS:n suositelluksi 3.8-versioksi tilanteisiin, joissa päällekkäistä puhetta on runsaasti. Pidä tällaiset reaktiot niin lyhyinä, että kuulija pystyy edelleen ymmärtämään päärepliikin.

Valmistaja ilmoittaa Flash TTS:n tukevan 130 kieltä ja painottaa alueellisten murteiden ja vähemmistömurteiden kattavuutta. Alueellista puhetapaa koskeva esitysohje on hyödyllinen paikallistetun äänikirjan hahmon ääntä tuotettaessa tai kerronnassa, jonka aksentti on yleisölle tärkeä. Valmistele käsikirjoitus sen lopullisella kielellä, käytä toistuvista nimistä johdonmukaisia kirjoitusasuja ja valitse lyhenteille ja luvuille harkittu lukutapa. Aloita toimituksellinen kuuntelutarkistus katkelmista, joissa esiintyy vaikeita nimiä, murteen vaihtumista tai tunnetilan muutoksia. Arvioi haluttu aksentti ja puhetahti tuotetusta puheesta sen sijaan, että olettaisit ne pelkän kielimerkinnän perusteella.

Googlen 3.8-version tuloksia käsittelevä opas erottaa kokonaiset tiedostot suoratoistoäänestä. Loppuun käsitellyn pyynnön oletustulos on RIFF-otsakkeellinen WAV-tiedosto: 24 kHz, mono, etumerkillinen 16-bittinen PCM little-endian-tavujärjestyksellä. Suoratoiston oletustulos on otsakkeeton lineaarinen raaka-PCM samoilla näyteominaisuuksilla. Lineaarinen raaka-PCM, mu-law ja A-law ovat myös dokumentoituja koodausvaihtoehtoja. Käytä todellisia koodaustietoja, kun valmistelet toistoa tai tuot tuloksen äänenkäsittelyohjelmaan. Jos vuoropuhelu koostuu erillisistä tiedostoista, pidä niiden muodot yhtenäisinä ja tarkista liitoskohdat äänenvoimakkuuden, puhetahdin tai tilan taustaäänen äkillisten muutosten varalta.

Googlen mallikohtainen sivu ilmoittaa Gemini API:n rajoiksi 8 192 syötetokenia ja 16 384 tulostokenia. Nämä ovat tokenrajoja, eivätkä ne määritä äänikirjalle kiinteää kestoa tai puheelle tarkkaa sekuntimäärää. Jaa pitkät käsikirjoitukset sisällöllisesti mielekkäistä kohdista ja säilytä valittu ääni-identiteetti osasta toiseen. Luvun mittaisessa tuotannossa kuuntele äänen yhtenäisyyttä kappaleiden ja kohtausten vaihtumiskohdissa sekä tarkista kunkin osan sanatarkkuus. Hyvä käytännön tarkistustapa on kirjata repliikit, joiden ääntämistä tai esitystapaa pitää korjata, sen sijaan, että kirjoittaisit koko äänen ohjeistuksen uudelleen jokaisen oton jälkeen.

Flash TTS:n ja Flash-Lite TTS:n valmistelu noudattaa samaa 3.8-version rakennetta, joten version voi valita työn vaatimusten mukaan. Flash TTS painottaa näyttelijäntyötä, monimutkaista vuoropuhelua, vaativaa ääntämistä ja laajempaa murteiden kattavuutta; Flash-Lite painottaa tavanomaisen puhesisällön tuotantonopeutta. Ilmaisua ohjaavat asetukset koskevat ihmispuhetta ja puhujan tuottamia äänitapahtumia. Taustatehosteet, musiikki ja valmis tuotantomiksaus voidaan suunnitella erillisiksi aineistoiksi. Käsikirjoittaminen, kääntäminen ja tallennetun puheen tunnistaminen säilyvät erillisinä työvaiheina tämän tekstistä ääneksi -mallin käytön yhteydessä.

Ailoot Ultra · Puhe POST /v1/audio/speech google/gemini-3.8-flash-tts

google/gemini-3.8-flash-tts

Google /google/gemini-3.8-flash-tts

Aloitus

Hyväksytyt syötteet: Teksti
Tulokset: Ääni

Saatavilla Ailootissa · syötteet & menetelmät

Ailoot Ultra · Puhe POST /v1/audio/speech

Syötetyypit: text
Tulostyypit: audio

Kenttä	Tyyppi	Vaatimus	Arvot & rajat	Oletus
Kenttä`model`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat google/gemini-3.8-flash-tts	Oletus—
Kenttä`input`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Vähimmäispituus: 1	Oletus—
Kenttä`voice`	Tyyppi`string`	VaatimusPakollinen	Arvot & rajat Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager, Sulafat Vähimmäispituus: 1	Oletus—
Kenttä`response_format`	Tyyppi`string`	VaatimusValinnainen	Arvot & rajat mp3, pcm	Oletuspcm
Kenttä`provider`	Tyyppi`object`	VaatimusValinnainen	Arvot & rajat	Oletus—

Menetelmän parametrit ja elinkaari

Parametri	Sopimus
Parametri`content_type`	Sopimusapplication/json
Parametri`required`	Sopimusmodel, input, voice
Parametri`material_types`	Sopimustext

Elinkaari: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Hinnoittelu

Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.

Nopea tila: Ei määritetty Kun nopea tila on valittu
Flex-tila: Ei määritetty Kun flex-tila on valittu
Päättelyn enimmäisteho: Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä

Ailoot-hinnat

Hinnat asetusten mukaan

Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.

Asetukset	Hinnasto	Laskutusyksikkö	Veloitus
AsetuksetTokenien perushinnat	HinnastoPerushinta	Laskutusyksikkö—	Veloitus Syöte · Syötetokenit — / 1K tokenia Tuloste · Tulostokenit — / 1K tokenia Syöte · Välimuistin luku — / 1K tokenia Syöte · Välimuistiin kirjoitus — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti — / 1K tokenia
Asetuksetsyötetoken	Hinnasto—	Laskutusyksikkö/ 1K tokenia	Veloitus Syöte $0.001 / 1K tokenia
Asetuksettulostetoken	Hinnasto—	Laskutusyksikkö/ 1K tokenia	Veloitus Tuloste $0.018 / 1K tokenia

Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →

Esimerkkipyynnöt

Ailoot Ultra · Puhe

Käytä todellista syötettä ja säilytä koko tulos

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.8-flash-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
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 response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.

Vastaanota ja tallenna tulokset

Ailoot Ultra · Puhe

Koko binääriääni tai alkuperäinen audio_url-vastaus, otsakkeet ja jokainen käyttäjälle kuuluva aineisto.

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

Muut sisällön lukukerrat

Lue olemassa olevat omistamasi aineistot

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

Säilytä kaikki valmistuneet tulokset

Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.

Säilytä koko vastaus ja otsakkeet, jokainen todellinen tuloste, alkuperäiset palautetut tunnisteet ja kaikki käyttötietokentät. Selvitä alkuperäisen operaation tila lähettämättä luontipyyntöä uudelleen.

Jos alkuperäinen vastaus on tarkistettava

Säilytä palautettu X-Client-Request-ID täsmäytystä varten. Tee lukukyselyt vain todellisuudessa palautetuilla task_id/asset_id-arvoilla tai käytä omistamaasi mediakirjastoa; älä koskaan rakenna tehtävän URL-osoitetta operaation ID:n perusteella äläkä lähetä luontipyyntöä uudelleen.

Aliakset

Mallin aliakset

Ailoot Ultra google/gemini-3.8-flash-tts

Menetelmäpolkujen aliakset

Käytä yllä näytettyjä menetelmäpolkuja.

Liittyvät kutsujan ID:t

google/gemini-3.8-flash-tts

FAQ · Google: Gemini 3.8 Flash TTS

Mitä syötteitä ja tuloksia on saatavilla?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: text → audio
Mitä kenttiä pyyntö käyttää?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: model, input, voice, response_format, provider

Google: Gemini 3.8 Flash TTS