Google: Gemini 3.8 Flash TTS

Google Gemini 3.8 Flash TTS יוצר דיבור מלא הבעה לספרי שמע, לקריינות אולפן ולדיאלוגים בין דמויות. הוא משלב תסריט המוקרא מילה במילה עם הוראות נפרדות לדובר ולמשחק הקולי, תגיות לאירועים קוליים רגעיים ותמיכה ב־130 שפות, בדגש על הגייה, מבטאים אזוריים ועקביות הקול.

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

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Google Gemini 3.8 Flash TTS הוא הרובד היצירתי לביצוע קולי במשפחת המרת הטקסט לדיבור 3.8 של Google. הוא מתמקד בנאמנות אקוסטית, במנעד רגשי, במבטאים אזוריים וברציפות קולה של דמות לאורך דיאלוג ממושך. Google מדגישה ספרי שמע, קריינות אולפן, הגייה קשה וסצנות עם משחק קולי משמעותי. הפלט הוא אודיו מדובר מתוך תסריט טקסט מוכן, ומתאים לבדיקת ביצועי הקריין או לשילוב שיחה מתוסרטת לצד רכיבי הפקה אחרים.

יש להתחיל מהמילים המדויקות שצריכות להישמע. התמליל ב־3.8 מטופל מילה במילה, ואילו הדובר והביצוע המתמשך שייכים למטא־נתונים נפרדים של הדיבור. יש לתת לכל תור זהות דובר ברורה, ולפי הצורך הוראת סגנון קצרה, כגון דאגה מאופקת או סקרנות עליזה. כאשר הרגש או הקצב משתנים באופן משמעותי, יש לפצל את השורה לתורים נפרדים. כך קל יותר לבדוק את הבריף: התמליל מכיל את הדיאלוג, וההוראה המצורפת מסבירה איך לבצע את אותו חלק. הוראות כתובות רגילות שמופיעות בתמליל עלולות להיקרא בקול.

מערכת הקול 3.8 של Google כוללת קולות מוכנים מראש, ספריית קולות מורחבת, פרסונות מעוצבות וזהויות קול משוכפלות. יש לבחור את הפרסונה הבסיסית לפני החלת שינויים זמניים במשחק הקולי. מבטא אזורי קבוע או זהות דמות שייכים לקול שנבחר; שדה הסגנון שולט בביצוע הנוכחי. היצרן ממליץ להשתמש שוב בקול הזה עם הוראות קצרות, במקום לחזור על בלוקים ארוכים של Audio Profile או Director’s Notes. תצורת הדיאלוג המתועדת בבקשה אחת משלבת עד שני דוברים מוכנים מראש. בדמויות מעוצבות או משוכפלות, המדריך מנחה ליצור כל תור בנפרד כשמרכיבים חילופי דברים מרובי דמויות.

יש להציב הפקה קולית אנושית קצרה או הפסקה בנקודה המתאימה באמצעות תגית בסוגריים זוויתיים. דוגמה לתסריט מקורי היא: ״חשבתי שכבר עזבת. <short pause> <sigh> השארתי את האור דולק.״ יש להצמיד ביצוע מאופק לתור כולו, במקום להכניס את ההוראה בין המילים המדוברות. סימני פיסוק ואותיות רישיות יכולים לסייע בניסוח היסוס או בהדגשת מילה. Google מתעדת גם תגובות מאזין המופרדות בתו קו אנכי לצורך תגובות קצרות של הקשבה ודיאלוג חופף, ומזהה את Flash TTS כמהדורת 3.8 המועדפת לחפיפה רבה יותר. יש לשמור על תגובות קצרות מספיק כדי שהמאזין עדיין יוכל להבין את המשפט המרכזי.

היצרן מציין 130 שפות נתמכות ב־Flash TTS ומדגיש כיסוי של ניבים אזוריים וניבי מיעוטים. בריף ביצוע אזורי שימושי לדמות בספר שמע מותאם לקהל מקומי או לקריינות שהמבטא שלה חשוב לקהל. יש להכין את התסריט בשפתו הסופית, עם איות עקבי של שמות חוזרים והחלטה מכוונת על אופן קריאת קיצורים ומספרים. כשלב עריכה, כדאי להתחיל את בדיקת ההאזנה בקטעים שמכילים שמות קשים, שינויי ניב או מעברים רגשיים. יש להעריך את המבטא והקצב הרצויים בקול שנוצר, ולא להניח אותם על סמך תווית השפה בלבד.

מדריך הפלט של 3.8 מבחין בין קבצים שלמים לאודיו בהזרמה. ברירת המחדל לבקשה שהושלמה היא קובץ WAV עם כותרת RIFF: ‏24 kHz, מונו, PCM של 16 סיביות עם סימן ובסדר בתים little-endian. ברירת המחדל להזרמה היא PCM ליניארי גולמי ללא כותרת, עם אותם מאפייני דגימה. גם PCM ליניארי גולמי, mu-law ו־A-law הם אפשרויות קידוד מתועדות. יש להשתמש במידע על הקידוד בפועל בעת הכנת ההשמעה או ייבוא התוצאה לעורך. ברצף של קובצי דיאלוג נפרדים, יש לשמור על פורמטים עקביים ולבדוק בחיבורים שינויים פתאומיים בעוצמה, בקצב או ברעש הרקע של החדר.

עמוד המודל המדויק של Google מציין מגבלות הגשה ב־Gemini API של 8,192 טוקני קלט ו־16,384 טוקני פלט. אלה מגבלות טוקנים, ולא משך קבוע לספר שמע או מספר מדויק של שניות דיבור. יש לחלק תסריטים ארוכים בגבולות בעלי משמעות ולשמר את זהות הקול שנבחרה לאורך המקטעים. בהפקה באורך פרק, יש להאזין לרציפות במעברים בין פסקאות וסצנות, וכן לדיוק המילים בכל מקטע. בדיקה מעשית טובה מתעדת אילו שורות דורשות תיקוני הגייה או משחק קולי, במקום לשכתב את בריף הקול כולו אחרי כל טייק.

Flash TTS ו־Flash-Lite TTS חולקים את מבנה ההכנה של 3.8, ולכן אפשר לבחור את המהדורה לפי דרישות העבודה. Flash TTS מדגיש משחק קולי, דיאלוג מורכב, הגיות קשות וכיסוי ניבים רחב יותר; Flash-Lite מדגיש תפוקה בתוכן מדובר שגרתי. בקרות ההבעה עוסקות בדיבור אנושי ובאירועים קוליים. אפשר לתכנן אפקטי רקע, פסקול מוזיקלי ומיקס הפקה מוגמר כנכסים נפרדים. כתיבת תסריט, תרגום וזיהוי דיבור מוקלט נשארים שלבים נפרדים סביב מודל הטקסט־לאודיו הזה.

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

google/gemini-3.8-flash-tts

Google /google/gemini-3.8-flash-tts

התחלה

סוגי קלט נתמכים: טקסט
תוצאות: שמע

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · דיבור POST /v1/audio/speech

סוגי קלט: text
סוגי פלט: audio

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות google/gemini-3.8-flash-tts	ברירת מחדל—
שדה`input`	סוג`string`	דרישהחובה	ערכים ומגבלות אורך מזערי: ⁦1⁩	ברירת מחדל—
שדה`voice`	סוג`string`	דרישהחובה	ערכים ומגבלות 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 אורך מזערי: ⁦1⁩	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהרשות	ערכים ומגבלות mp3, pcm	ברירת מחדלpcm
שדה`provider`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input, voice
פרמטר`material_types`	מפרטtext

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהטוקן קלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב קלט $0.001 / 1K טוקנים
תצורהטוקן פלט	טבלת תעריפים—	יחידת חיוב/ 1K טוקנים	חיוב פלט $0.018 / 1K טוקנים

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · דיבור

השתמשו בקלט אמיתי ושמרו את התוצאה המלאה

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.

קבלה ושמירה של תוצאות

Ailoot Ultra · דיבור

אודיו בינארי מלא או תגובת audio_url מקורית, כותרות וכל נכס שבבעלותכם.

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

קריאות תוכן נוספות

קריאת נכסים קיימים שבבעלותכם

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.

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

שמרו את X-Client-Request-ID שהוחזר לצורך התאמת רישומים. קראו רק ערכי task_id/asset_id שהוחזרו בפועל או את ספריית המדיה שבבעלותכם; לעולם אל תבנו URL של משימה ממזהה הפעולה ואל תשלחו שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra google/gemini-3.8-flash-tts

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

google/gemini-3.8-flash-tts

FAQ · Google: Gemini 3.8 Flash TTS

אילו קלטים ותוצאות זמינים?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: text → audio
באילו שדות הבקשה משתמשת?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: model, input, voice, response_format, provider

Google: Gemini 3.8 Flash TTS