Google Gemini 3.8 Flash-Lite TTS est le membre axé sur le débit de la famille de synthèse vocale 3.8 de Google. Il reçoit un script écrit et produit un audio parlé. Google le destine aux fonctions de lecture à voix haute, à la narration quotidienne par un seul locuteur, à la production audio à grand volume et à l’étape de sortie vocale des systèmes d’agents vocaux. Un livrable utile est un article lu avec une voix cohérente, une explication de produit parlée ou un ensemble de courts enregistrements pédagogiques. Le script doit déjà contenir les mots que l’auditeur doit entendre.
La famille 3.8 sépare la transcription des indications d’interprétation. Gardez le texte parlé mot pour mot et placez les indications soutenues d’émotion, de rythme, de volume ou de style d’élocution dans les métadonnées vocales. Une introduction chaleureuse, une instruction urgente et une conclusion douce peuvent chacune avoir une courte description de style jointe à leur propre tour. Un texte comme « Dites-le joyeusement » dans la transcription peut lui-même être prononcé. Les noms des locuteurs relèvent des métadonnées de locuteur plutôt que d’étiquettes dans le script audible. Cette préparation est particulièrement importante lorsqu’on réutilise des invites écrites pour Gemini 3.1 Flash TTS.
Utilisez des balises intégrées entre chevrons pour de brefs événements à un point précis : une inspiration, un rire, une toux, un soupir ou une pause. Par exemple, la transcription « La prochaine étape est simple. <short pause> Choisissez votre langue préférée. » garde la pause voulue près des mots qu’elle touche. Placez une interprétation chuchotée soutenue dans la description de style plutôt que d’ajouter des balises d’événement à répétition. Google recommande des noms de balises anglais même pour les scripts dans d’autres langues. Ces contrôles dirigent la voix; une piste d’applaudissements ou une porte qui claque exige une production sonore distincte plutôt qu’une balise d’événement vocal.
Google indique 101 langues prises en charge pour cette édition, notamment l’anglais, le russe, le chinois, le japonais, le coréen, le français, l’allemand, l’espagnol, l’indonésien et le vietnamien. Rédigez le script terminé dans la langue voulue, en incluant la forme souhaitée des noms, des abréviations et des nombres. Comme préparation éditoriale, écrivez en toutes lettres une abréviation ambiguë ou la lecture voulue d’un nombre lorsque l’auditeur doit entendre une forme particulière. Écoutez un premier passage contenant les noms et les transitions difficiles avant de considérer un long enregistrement comme terminé. Un nombre de langues ne rend pas toutes les prononciations régionales interchangeables.
Le fabricant prend en charge les voix prédéfinies, une bibliothèque vocale étendue, les personas vocaux conçus et la reproduction de voix. Sélectionnez l’identité vocale séparément des indications temporaires d’interprétation. Réutilisez cette identité et une description compacte de l’interprétation entre les sections lorsque la narration doit rester cohérente. Dans la configuration documentée à deux locuteurs, attribuez à chaque tour un locuteur explicite correspondant à l’une des deux voix prédéfinies configurées. Le guide de Google traite les scènes à plusieurs personnages avec des voix conçues ou reproduites en générant les tours individuellement. Cette distinction compte lorsqu’on prépare un dialogue plutôt qu’un seul narrateur.
Pour les requêtes terminées ordinaires, le guide 3.8 de Google précise un audio WAV avec un en-tête RIFF, contenant du PCM mono à 24 kHz, signé 16 bits à ordre des octets petit-boutiste. Sa configuration de diffusion continue renvoie plutôt par défaut des blocs PCM bruts sans en-tête; le guide documente aussi les choix d’encodage PCM linéaire brut, mu-law et A-law. Faites correspondre les réglages de lecture ou de montage au format réel de sortie. Renommer du PCM sans en-tête avec l’extension WAV n’ajoute pas l’information du conteneur. Lors de l’assemblage de tours générés séparément, gardez un format audio cohérent et traitez chaque WAV complet comme un fichier ayant son propre en-tête.
La page du modèle exact indique des limites Gemini API de 8 192 jetons d’entrée et de 16 384 jetons de sortie. Les jetons audio n’expriment pas un nombre fixe de secondes de parole. Préparez le contenu long en sections significatives, en conservant la même voix et la même consigne de style et en écoutant les raccords. Ce sont les limites de service documentées par le fabricant pour ce modèle; elles décrivent une quantité différente d’un champ de contexte générique de catalogue. Le texte est l’entrée et l’audio est la sortie; la rédaction du script, la traduction et la transcription sont donc des tâches distinctes de préparation ou de suivi.
Flash-Lite partage la structure de requête 3.8 avec Gemini 3.8 Flash TTS. Le choix pratique porte sur l’interprétation requise : Flash-Lite vise une production rapide et répétée, tandis que Flash TTS est le volet créatif pour les prononciations difficiles, l’interprétation nuancée et une couverture plus large des dialectes. Un article d’aide courant et une scène dramatique à deux personnages imposent des exigences différentes à la voix. Vérifiez dans l’enregistrement réel les mots omis ou répétés, la prononciation, le rythme et les changements audibles entre segments avant de l’utiliser dans l’expérience d’écoute finale.
", "aboutText": "Google Gemini 3.8 Flash-Lite TTS est le membre axé sur le débit de la famille de synthèse vocale 3.8 de Google. Il reçoit un script écrit et produit un audio parlé. Google le destine aux fonctions de lecture à voix haute, à la narration quotidienne par un seul locuteur, à la production audio à grand volume et à l’étape de sortie vocale des systèmes d’agents vocaux. Un livrable utile est un article lu avec une voix cohérente, une explication de produit parlée ou un ensemble de courts enregistrements pédagogiques. Le script doit déjà contenir les mots que l’auditeur doit entendre.\n\nLa famille 3.8 sépare la transcription des indications d’interprétation. Gardez le texte parlé mot pour mot et placez les indications soutenues d’émotion, de rythme, de volume ou de style d’élocution dans les métadonnées vocales. Une introduction chaleureuse, une instruction urgente et une conclusion douce peuvent chacune avoir une courte description de style jointe à leur propre tour. Un texte comme « Dites-le joyeusement » dans la transcription peut lui-même être prononcé. Les noms des locuteurs relèvent des métadonnées de locuteur plutôt que d’étiquettes dans le script audible. Cette préparation est particulièrement importante lorsqu’on réutilise des invites écrites pour Gemini 3.1 Flash TTS.\n\nUtilisez des balises intégrées entre chevrons pour de brefs événements à un point précis : une inspiration, un rire, une toux, un soupir ou une pause. Par exemple, la transcription « La prochaine étape est simple.google/gemini-3.8-flash-lite-ttsGoogle Gemini 3.8 Flash-Lite TTS transforme des scripts exacts en parole pour les fonctions de lecture à voix haute, la narration courante et de grands volumes de contenu parlé. Il prend en charge 101 langues, des voix sélectionnables et le contrôle de l’interprétation par des métadonnées de style distinctes, avec des balises intégrées pour de brèves pauses et des événements vocaux.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Google Gemini 3.8 Flash-Lite TTS est le membre axé sur le débit de la famille de synthèse vocale 3.8 de Google. Il reçoit un script écrit et produit un audio parlé. Google le destine aux fonctions de lecture à voix haute, à la narration quotidienne par un seul locuteur, à la production audio à grand volume et à l’étape de sortie vocale des systèmes d’agents vocaux. Un livrable utile est un article lu avec une voix cohérente, une explication de produit parlée ou un ensemble de courts enregistrements pédagogiques. Le script doit déjà contenir les mots que l’auditeur doit entendre.
La famille 3.8 sépare la transcription des indications d’interprétation. Gardez le texte parlé mot pour mot et placez les indications soutenues d’émotion, de rythme, de volume ou de style d’élocution dans les métadonnées vocales. Une introduction chaleureuse, une instruction urgente et une conclusion douce peuvent chacune avoir une courte description de style jointe à leur propre tour. Un texte comme « Dites-le joyeusement » dans la transcription peut lui-même être prononcé. Les noms des locuteurs relèvent des métadonnées de locuteur plutôt que d’étiquettes dans le script audible. Cette préparation est particulièrement importante lorsqu’on réutilise des invites écrites pour Gemini 3.1 Flash TTS.
Utilisez des balises intégrées entre chevrons pour de brefs événements à un point précis : une inspiration, un rire, une toux, un soupir ou une pause. Par exemple, la transcription « La prochaine étape est simple. <short pause> Choisissez votre langue préférée. » garde la pause voulue près des mots qu’elle touche. Placez une interprétation chuchotée soutenue dans la description de style plutôt que d’ajouter des balises d’événement à répétition. Google recommande des noms de balises anglais même pour les scripts dans d’autres langues. Ces contrôles dirigent la voix; une piste d’applaudissements ou une porte qui claque exige une production sonore distincte plutôt qu’une balise d’événement vocal.
Google indique 101 langues prises en charge pour cette édition, notamment l’anglais, le russe, le chinois, le japonais, le coréen, le français, l’allemand, l’espagnol, l’indonésien et le vietnamien. Rédigez le script terminé dans la langue voulue, en incluant la forme souhaitée des noms, des abréviations et des nombres. Comme préparation éditoriale, écrivez en toutes lettres une abréviation ambiguë ou la lecture voulue d’un nombre lorsque l’auditeur doit entendre une forme particulière. Écoutez un premier passage contenant les noms et les transitions difficiles avant de considérer un long enregistrement comme terminé. Un nombre de langues ne rend pas toutes les prononciations régionales interchangeables.
Le fabricant prend en charge les voix prédéfinies, une bibliothèque vocale étendue, les personas vocaux conçus et la reproduction de voix. Sélectionnez l’identité vocale séparément des indications temporaires d’interprétation. Réutilisez cette identité et une description compacte de l’interprétation entre les sections lorsque la narration doit rester cohérente. Dans la configuration documentée à deux locuteurs, attribuez à chaque tour un locuteur explicite correspondant à l’une des deux voix prédéfinies configurées. Le guide de Google traite les scènes à plusieurs personnages avec des voix conçues ou reproduites en générant les tours individuellement. Cette distinction compte lorsqu’on prépare un dialogue plutôt qu’un seul narrateur.
Pour les requêtes terminées ordinaires, le guide 3.8 de Google précise un audio WAV avec un en-tête RIFF, contenant du PCM mono à 24 kHz, signé 16 bits à ordre des octets petit-boutiste. Sa configuration de diffusion continue renvoie plutôt par défaut des blocs PCM bruts sans en-tête; le guide documente aussi les choix d’encodage PCM linéaire brut, mu-law et A-law. Faites correspondre les réglages de lecture ou de montage au format réel de sortie. Renommer du PCM sans en-tête avec l’extension WAV n’ajoute pas l’information du conteneur. Lors de l’assemblage de tours générés séparément, gardez un format audio cohérent et traitez chaque WAV complet comme un fichier ayant son propre en-tête.
La page du modèle exact indique des limites Gemini API de 8 192 jetons d’entrée et de 16 384 jetons de sortie. Les jetons audio n’expriment pas un nombre fixe de secondes de parole. Préparez le contenu long en sections significatives, en conservant la même voix et la même consigne de style et en écoutant les raccords. Ce sont les limites de service documentées par le fabricant pour ce modèle; elles décrivent une quantité différente d’un champ de contexte générique de catalogue. Le texte est l’entrée et l’audio est la sortie; la rédaction du script, la traduction et la transcription sont donc des tâches distinctes de préparation ou de suivi.
Flash-Lite partage la structure de requête 3.8 avec Gemini 3.8 Flash TTS. Le choix pratique porte sur l’interprétation requise : Flash-Lite vise une production rapide et répétée, tandis que Flash TTS est le volet créatif pour les prononciations difficiles, l’interprétation nuancée et une couverture plus large des dialectes. Un article d’aide courant et une scène dramatique à deux personnages imposent des exigences différentes à la voix. Vérifiez dans l’enregistrement réel les mots omis ou répétés, la prononciation, le rythme et les changements audibles entre segments avant de l’utiliser dans l’expérience d’écoute finale.
POST /v1/audio/speechtextaudio| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-3.8-flash-lite-tts | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 | Par défaut— |
Champvoice | Typestring | ExigenceObligatoire | Valeurs et limites 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 Longueur minimale: 1 | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites mp3, pcm | Par défautpcm |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input, voice |
Paramètrematerial_types | Contrattext |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Unité de facturation | Coût |
|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Unité de facturation— | Coût Entrée · Jetons en entrée — / 1K jetons Sortie · Jetons en sortie — / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| Configurationjeton d’entrée | Barème tarifaire— | Unité de facturation/ 1K jetons | Coût Entrée $0.001 / 1K jetons |
| Configurationjeton de sortie | Barème tarifaire— | Unité de facturation/ 1K jetons | Coût Sortie $0.012 / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nAudio binaire complet ou réponse audio_url d’origine, en-têtes et chaque ressource appartenant à votre compte.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez le X-Client-Request-ID renvoyé pour le rapprochement. Consultez uniquement les valeurs task_id/asset_id effectivement renvoyées ou votre bibliothèque multimédia ; ne construisez jamais une URL de tâche à partir de l’identifiant de l’opération et ne soumettez jamais à nouveau la création.
Ailoot Ultra google/gemini-3.8-flash-lite-tts
Utilisez les chemins de méthode indiqués ci-dessus.