Gemini 3.8 Flash Lite Tts

A Google beszédmodellje szövegek tömeges felolvasásához, egymásra épülő megszólalásokhoz és hangalapú felhasználásokhoz 101 nyelven.

Ailoot · Felolvasás POST /v1/audio/speech gemini-3.8-flash-lite-tts

A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Gemini 3.8 Flash-Lite TTS nagyszámú beszédműveletre készült: szövegfelolvasásra, egymásra épülő megszólalások hangosítására és mindennapi hangalapú felhasználásokra. A Google szerint profilja az alacsony késleltetés és a hatékony tömeges feldolgozás.

Hangválasztás

A modell 101 nyelvet támogat, köztük az oroszt. A lehetőségek között 30 kész hang, kibővített könyvtár, hangkarakter létrehozása és hangminta alapján történő hangreprodukció szerepel. A hang, a stílus és maga a kimondandó szöveg külön adható meg, ezért a felolvasandó szöveget nem kell összekeverni az előadásmód leírásával.

A Flash-Lite ugyanazt a beszédvezérlési formátumot használja, mint a Gemini 3.8 Flash TTS. Párbeszédben a megszólalások meghatározott beszélőkhöz tartoznak. Egy többhangos kérésben a kész hangok száma kettőre korlátozott; a leírás vagy minta alapján készített hangok külön megszólalásokban használatosak.

Mi kerül a bemenetre?

A bemenet legfeljebb 8 192 tokenes szöveg, a kimeneten 16 384 tokenes korlátú hang készül. A beszédbeállítások az előadás stílusát vezérlik, a rövid vokális események és szünetek pedig a szövegen belüli speciális hangcímkékkel adhatók meg. Ez megadott megszólalás beszédszintézise, nem szöveges válasz generálása egy kérdésre.

Formátumok és feldolgozás

A szokásos válasz alapértelmezett formátuma WAV. Az alapértelmezett streamformátum fejléc nélküli PCM. A kiinduló hangparaméterek: 24 kHz, egy csatorna és 16 bit. A gyártó PCM, mu-law és A-law formátumot is kínál. A kontextusgyorsítótárazás és a kötegelt feldolgozás támogatott. A hangformátum képességeit a választott beszédmetódus tényleges fájlfogadási módjától külön kell figyelembe venni.

A modell határai

Ennél a verziónál nincs feltüntetve Thinking, függvényhívás, kódfuttatás, fájlkeresés, keresési forrásokra alapozás, Google Maps, strukturált szöveges válaszok, képkészítés vagy webcímek tartalmának használata. Rendeltetése az előkészített anyag gyors felolvasása.

Az alacsony késleltetésre való törekvés nem szabja meg minden kérés befejezési idejét. A nyelvi lefedettség, a hangválasztási módok és az előadás vezérlése magának a modellnek a képességeit írják le, és nem jelentik minden beállítás automatikus elérhetőségét bármely beszédmetódusban.

Ailoot · Felolvasás POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Kezdő lépések

A Google beszédmodellje szövegek tömeges felolvasásához, egymásra épülő megszólalásokhoz és hangalapú felhasználásokhoz 101 nyelven.

Elfogadott bemenetek: Szöveg
Eredmények: Hang

Elérhető az Ailootban · bemenetek és metódusok

Ailoot · Felolvasás POST /v1/audio/speech

Bemenet: text
Kimenet: audio
Kontextus: 8192 tokens
Maximális kimenet: 16 384 tokens
Kimeneti formátum: natív hangbájtok vagy JSON-formátumú médiahivatkozások

Mező	Típus	Követelmény	Értékek és korlátok	Alapértelmezett
Mező`model`	Típus`string`	KövetelményKötelező	Értékek és korlátok gemini-3.8-flash-lite-tts	Alapértelmezett—
Mező`input`	Típus`string`	KövetelményKötelező	Értékek és korlátok Minimális hossz: 1	Alapértelmezett—
Mező`voice`	Típus`string`	KövetelményOpcionális	Értékek és korlátok 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	AlapértelmezettKore
Mező`response_format`	Típus`string`	KövetelményOpcionális	Értékek és korlátok , wav, json	Alapértelmezett
Mező`stream_format`	Típus`string`	KövetelményOpcionális	Értékek és korlátok audio	Alapértelmezett—

Bemeneti anyagok kombinációi

text_to_speech · Kötelező: input

Metódus paraméterei és életciklusa

Paraméter	Szerződés
Paraméter`material_types`	Szerződéstext
Paraméter`required`	Szerződésnull
Paraméter`optional_controls`	Szerződésnull

Életciklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.

Díjcsomagok

Ailoot-metódusok díjai

Ailoot FelolvasásPOST /v1/audio/speech

Bemenet: 0,0005 USD / 1K
Kimenet: 0,006 USD / 1K
Gyorsítótár olvasása: 0,000125 USD / 1K

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →

Példakérések

Ailoot · Felolvasás

Beszédpélda

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

Eredmények fogadása és mentése

Ailoot · Felolvasás

natív hangbájtok vagy JSON-formátumú médiahivatkozások

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

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Egyetlen kimenet alapértelmezésben natív hangbájtokat ad tényleges Content-Type fejléccel; a response_format=json vagy több kimenet az összes saját hivatkozást adja vissza. Nincs kért MP3/Opus/AAC/FLAC/PCM átalakítás vagy SSE.

Ha az eredeti választ ellenőrizni kell

Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.

Válaszmezők

Mező	Típus
Mező`binary native audio`	Típusbytes
Mező`model`	Típusstring
Mező`response_id`	Típusstring
Mező`actual_count`	Típusinteger
Mező`data[]`	Típusowned audio asset link

Hibák és következő lépések

Válasz	Feltétel	Következő lépés
Válasz400 · `invalid_request_error`	FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték	Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt.
Válasz`server_error`	FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel	Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést.

Álnevek

Modell álnevei

Ailoot gemini-3.8-flash-lite-tts

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Milyen bemenetek és eredmények érhetők el?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Mely mezőket használja a kérés?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Milyen korlátok érvényesek?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts