Google: Gemini 3.8 Flash Lite TTS

Google Gemini 3.8 Flash-Lite TTS adalah anggota keluarga text-to-speech 3.8 Google yang berfokus pada throughput. Model ini menerima naskah tertulis dan menghasilkan audio ucapan. Google menempatkannya untuk fitur pembacaan teks, narasi sehari-hari dengan satu penutur, produksi audio bervolume tinggi, dan tahap keluaran ucapan dalam sistem agen suara. Hasil yang berguna berupa artikel yang dibacakan dengan suara konsisten, penjelasan produk dalam bentuk ucapan, atau kumpulan rekaman instruksi singkat. Naskah harus sudah memuat kata-kata yang perlu didengar pendengar.

Keluarga 3.8 memisahkan transkrip dari arahan performa. Pertahankan teks yang diucapkan secara verbatim dan tempatkan emosi, tempo, volume, atau gaya penyampaian yang berlangsung sepanjang giliran dalam metadata ucapan. Pengantar hangat, instruksi mendesak, dan penutup tenang masing-masing dapat memiliki deskripsi style ringkas yang dilampirkan pada gilirannya sendiri. Teks seperti “Ucapkan dengan ceria” dalam transkrip dapat ikut dibacakan. Nama penutur ditempatkan dalam metadata speaker, bukan sebagai label dalam naskah yang terdengar. Persiapan ini sangat penting saat menggunakan kembali prompt yang ditulis untuk Gemini 3.1 Flash TTS.

Gunakan tag sebaris dalam tanda kurung sudut untuk peristiwa singkat pada titik tertentu: napas, tawa, batuk, helaan napas, atau jeda. Misalnya, transkrip “Langkah berikutnya sederhana. <short pause> Pilih bahasa yang kamu inginkan.” menjaga jeda yang dituju tetap di samping kata-kata yang dipengaruhinya. Tempatkan penyampaian berbisik yang berlangsung sepanjang giliran dalam deskripsi style, bukan berulang kali menambahkan tag peristiwa. Google menyarankan nama tag bahasa Inggris bahkan untuk naskah dalam bahasa lain. Kontrol ini mengarahkan suara; trek tepuk tangan atau suara pintu dibanting memerlukan produksi suara terpisah, bukan tag peristiwa vokal.

Google mencantumkan 101 bahasa yang didukung untuk edisi ini, termasuk bahasa Inggris, Rusia, Mandarin, Jepang, Korea, Prancis, Jerman, Spanyol, Indonesia, dan Vietnam. Tulis naskah akhir dalam bahasa yang dituju, termasuk bentuk nama, singkatan, dan angka yang diinginkan. Sebagai persiapan editorial, jabarkan singkatan yang ambigu atau cara pembacaan angka yang dituju jika pendengar harus mendengar satu bentuk tertentu. Dengarkan bagian awal yang memuat nama serta transisi sulit sebelum menganggap rekaman panjang sudah selesai. Jumlah bahasa tidak membuat semua pelafalan daerah dapat saling menggantikan.

Pembuatnya mendukung suara siap pakai, pustaka suara yang diperluas, persona suara yang dirancang, dan replikasi suara. Pilih identitas suara secara terpisah dari arahan akting sementara. Gunakan kembali identitas tersebut dan deskripsi penyampaian ringkas antarbagian jika narasi harus tetap konsisten. Dalam konfigurasi dua penutur yang didokumentasikan, berikan setiap giliran penutur eksplisit yang cocok dengan salah satu dari dua suara siap pakai yang dikonfigurasi. Panduan Google menangani adegan multikarakter dengan suara yang dirancang atau direplikasi melalui pembuatan giliran individual. Pembedaan ini penting saat merencanakan dialog, bukan narator tunggal.

Untuk permintaan biasa yang selesai, panduan 3.8 Google menetapkan audio WAV dengan header RIFF, yang memuat PCM little-endian bertanda 16-bit, mono, 24 kHz. Konfigurasi streaming-nya justru mengembalikan potongan PCM mentah tanpa header secara default; panduan juga mendokumentasikan pilihan pengodean PCM linear mentah, mu-law, dan A-law. Sesuaikan pengaturan pemutaran atau penyuntingan dengan format keluaran sebenarnya. Mengganti nama PCM tanpa header menjadi ekstensi WAV tidak menambahkan informasi kontainer. Saat menyusun giliran yang dihasilkan terpisah, pertahankan format audio yang konsisten dan perlakukan setiap WAV lengkap sebagai berkas dengan header-nya sendiri.

Halaman model yang persis ini mencantumkan batas Gemini API sebesar 8192 token masukan dan 16384 token keluaran. Token audio tidak menyatakan jumlah detik ucapan yang tetap. Siapkan materi panjang dalam bagian bermakna, pertahankan suara dan deskripsi style yang sama, serta dengarkan sambungannya. Ini adalah batas layanan yang didokumentasikan pembuatnya untuk model ini; batas tersebut menjelaskan besaran yang berbeda dari field konteks katalog generik. Teks adalah masukan dan audio adalah keluaran, sehingga penyusunan naskah, penerjemahan, dan transkripsi merupakan tugas persiapan atau tindak lanjut yang terpisah.

Flash-Lite memiliki struktur permintaan 3.8 yang sama dengan Gemini 3.8 Flash TTS. Pilihan praktis berkaitan dengan performa yang diperlukan: Flash-Lite ditujukan untuk produksi cepat dan berulang, sedangkan Flash TTS merupakan tingkat kreatif untuk pelafalan sulit, akting bernuansa, serta cakupan dialek lebih luas. Artikel bantuan rutin dan adegan dramatis dua karakter menuntut hal yang berbeda dari suara. Periksa rekaman sebenarnya untuk kata yang hilang atau berulang, pelafalan, tempo, serta perubahan terdengar antarsegmen sebelum menggunakannya dalam pengalaman dengar akhir.