Gemini 3.8 Flash Tts

Un modèle vocal de Google pour la lecture expressive, les livres audio et les dialogues, avec un contrôle de la voix et la prise en charge de 130 langues.

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

À propos du modèle

Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.

Gemini 3.8 Flash TTS est conçu pour la lecture expressive et la narration longue. Google met en avant les livres audio, les dialogues à plusieurs locuteurs et la stabilité de la voix sur de longs passages. Le contrôle vocal porte sur l’expression émotionnelle, le rythme et la prononciation, y compris les accents régionaux et les dialectes.

Les voix et les langues

Le modèle annonce 130 langues, dont le russe. 30 voix prédéfinies, une bibliothèque étendue, la création d’une identité vocale à partir d’une description et la reproduction d’une voix à partir d’un exemple sont disponibles. Ces fonctions permettent de choisir le timbre et le style d’interprétation adaptés au contenu.

Les répliques du dialogue sont associées à des locuteurs. Une requête à plusieurs locuteurs peut utiliser au maximum deux voix prédéfinies. Avec les voix créées à partir d’une description ou d’un exemple, les répliques sont synthétisées séparément ; la présence d’une telle voix n’en fait pas une voix prédéfinie supplémentaire dans une requête à plusieurs voix.

Le texte et le contrôle de l’interprétation

L’entrée est du texte, et la sortie de l’audio. Les limites sont de 8 192 tokens d’entrée et de 16 384 tokens de sortie. Le texte est interprété comme la réplique à prononcer ; la description du style et le locuteur choisi sont définis séparément. Cela permet de distinguer les mots qui doivent être prononcés des instructions sur la façon de les lire.

Le style comprend l’émotion, le débit, le volume et la prosodie. Les événements brefs — rire, soupir, pause — sont définis par des balises audio spéciales au sein de la réplique. Ces balises servent à contrôler l’interprétation et ne constituent pas des mots ordinaires à lire.

Les formats audio et les fonctions

Lors d’une génération habituelle, WAV est renvoyé par défaut. En streaming, le format par défaut est du PCM sans en-tête. Les paramètres bruts sont 24 kHz, un canal et 16 bits. PCM, mu-law et A-law sont également prévus. La mise en cache du contexte et le traitement par lots sont pris en charge. Le format de fichier précis et les réglages disponibles dépendent de la méthode vocale choisie.

Le modèle est spécialisé dans la création de parole. Les appels de fonctions, l’exécution de code, la recherche dans des fichiers, l’ancrage dans la recherche, Google Maps, la génération d’images, les réponses textuelles structurées, Thinking et le contenu des adresses web ne sont pas pris en charge. La stabilité de la voix et l’expressivité réglable sont des axes annoncés pour le modèle, et non la promesse d’une prononciation parfaite de chaque réplique.

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

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Premiers pas

Un modèle vocal de Google pour la lecture expressive, les livres audio et les dialogues, avec un contrôle de la voix et la prise en charge de 130 langues.

Entrées acceptées: Texte
Résultats: Audio

Disponible dans Ailoot · entrées et méthodes

Ailoot · Synthèse vocale POST /v1/audio/speech

Types d’entrée: text
Types de sortie: audio
Contexte: 8 192 tokens
Sortie maximale: 16 384 tokens
Format de sortie: octets audio natifs ou liens vers des ressources dans le JSON

Champ	Type	Exigence	Valeurs et limites	Par défaut
Champ`model`	Type`string`	ExigenceObligatoire	Valeurs et limites gemini-3.8-flash-tts	Par défaut—
Champ`input`	Type`string`	ExigenceObligatoire	Valeurs et limites Longueur minimale: 1	Par défaut—
Champ`voice`	Type`string`	ExigenceFacultatif	Valeurs et limites 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	Par défautKore
Champ`response_format`	Type`string`	ExigenceFacultatif	Valeurs et limites , wav, json	Par défaut
Champ`stream_format`	Type`string`	ExigenceFacultatif	Valeurs et limites audio	Par défaut—

Combinaisons d’éléments d’entrée

text_to_speech · Obligatoire : input

Paramètres et cycle de vie de la méthode

Paramètre	Contrat
Paramètre`material_types`	Contrattext
Paramètre`required`	Contratnull
Paramètre`optional_controls`	Contratnull

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 structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.

Tarifs

Tarifs des méthodes Ailoot

Ailoot Synthèse vocalePOST /v1/audio/speech

Entrée: 0,0005 USD / 1K
Sortie: 0,009 USD / 1K
Lecture du cache: 0,000125 USD / 1K

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 →

Exemples de requêtes

Ailoot · Synthèse vocale

Exemple de synthèse vocale

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

Recevoir et enregistrer les résultats

Ailoot · Synthèse vocale

octets audio natifs ou liens vers des ressources dans le JSON

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

Conserver tous les résultats terminés

Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.

Une sortie unique fournit par défaut les octets audio natifs avec le Content-Type réel ; response_format=json ou plusieurs sorties renvoient tous les liens vous appartenant. Aucune conversion demandée MP3/Opus/AAC/FLAC/PCM ni aucun SSE.

Si la réponse d’origine doit être vérifiée

Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.

Champs de la réponse

Champ	Type
Champ`binary native audio`	Typebytes
Champ`model`	Typestring
Champ`response_id`	Typestring
Champ`actual_count`	Typeinteger
Champ`data[]`	Typeowned audio asset link

Erreurs et étapes suivantes

Réponse	Condition	Étape suivante
Réponse400 · `invalid_request_error`	ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides	Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création.
Réponse`server_error`	ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification	Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création.

Alias

Alias du modèle

Ailoot gemini-3.8-flash-tts

Alias des chemins de méthode

Utilisez les chemins de méthode indiqués ci-dessus.

ID d’appel associés

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Quelles entrées et quels résultats sont disponibles ?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
Quels champs la requête utilise-t-elle ?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Quelles limites s’appliquent ?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts