Gemini 3.8 Flash Tts
Modello vocale di Google per letture espressive, audiolibri e dialoghi, con controllo della voce e supporto di 130 lingue.
Informazioni sul modello
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 3.8 Flash TTS è pensato per letture vocali espressive e narrazioni lunghe. Google mette in evidenza audiolibri, dialoghi con più parlanti e stabilità della voce su segmenti estesi. Il controllo del parlato comprende resa emotiva, ritmo e pronuncia, inclusi accenti regionali e dialetti.
Voci e lingue
Per il modello sono dichiarate 130 lingue, tra cui il russo. Sono disponibili 30 voci pronte, una libreria ampliata, creazione di un profilo vocale da una descrizione e riproduzione di una voce da un campione. Queste capacità permettono di scegliere timbro e carattere dell'esecuzione per un materiale specifico.
Le battute del dialogo vengono associate ai parlanti. Una richiesta con più parlanti può utilizzare al massimo due voci pronte. Con voci create da una descrizione o da un campione, le battute vengono sintetizzate separatamente; la presenza di tale voce non la trasforma in un'altra voce pronta all'interno della richiesta multivoce.
Testo e controllo della resa
L'input è testo, l'output audio. I limiti sono 8 192 token in ingresso e 16 384 token in uscita. Il testo viene trattato come battuta da pronunciare; la descrizione dello stile e il parlante scelto vengono impostati separatamente. Permette di distinguere le parole che devono essere pronunciate dalle indicazioni su come leggerle.
Lo stile comprende emozione, ritmo, volume e prosodia. Eventi brevi, come risate, sospiri e pause, vengono impostati con tag audio speciali all'interno della battuta. Questi tag controllano l'esecuzione e non sono normali parole da leggere.
Formati audio e capacità
Nella generazione normale viene restituito WAV per impostazione predefinita. Per lo streaming si utilizza PCM senza intestazione per impostazione predefinita. I parametri originari sono 24 kHz, un canale e 16 bit. Sono previsti anche PCM, mu-law e A-law. Sono supportati memorizzazione in cache del contesto ed elaborazione in batch. Il formato concreto del file e le impostazioni disponibili dipendono dal metodo vocale scelto.
Il modello è specializzato nella creazione del parlato. Non sono supportati chiamate di funzioni, esecuzione di codice, ricerca nei file, ancoraggio alla ricerca, Google Maps, generazione di immagini, risposte testuali strutturate, Thinking né contenuti degli indirizzi web. La stabilità della voce e l'espressività controllabile sono gli obiettivi dichiarati del modello, non una promessa di pronuncia perfetta di ogni battuta.
Ailoot · Sintesi vocale POST /v1/audio/speech gemini-3.8-flash-tts
gemini-3.8-flash-ttsIntroduzione
Modello vocale di Google per letture espressive, audiolibri e dialoghi, con controllo della voce e supporto di 130 lingue.
- Input accettati
- Testo
- Risultati
- Audio
Disponibile in Ailoot · input e metodi
Ailoot · Sintesi vocale POST /v1/audio/speech
- Tipi di input
text- Tipi di output
audio- Contesto
- 8192 tokens
- Output massimo
- 16.384 tokens
- Formato di output
- byte audio nativi o collegamenti JSON alle risorse
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-3.8-flash-tts | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 | Predefinito— |
Campovoice | Tipostring | RequisitoFacoltativo | Valori e limiti 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 | PredefinitoKore |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti , wav, json | Predefinito |
Campostream_format | Tipostring | RequisitoFacoltativo | Valori e limiti audio | Predefinito— |
Combinazioni di materiali in input
text_to_speech · Obbligatorio: input
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/speech- Input
- 0,0005 USD / 1K
- Output
- 0,009 USD / 1K
- Lettura dalla cache
- 0,000125 USD / 1K
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
Esempi di richieste
Ailoot · Sintesi 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
Ricevi e salva i risultati
Ailoot · Sintesi vocale
byte audio nativi o collegamenti JSON alle risorse
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva tutti i risultati completati
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Un unico risultato usa per impostazione predefinita byte audio nativi con il Content-Type effettivo; response_format=json o più risultati restituiscono tutti i collegamenti di tua proprietà. Non sono previste conversioni su richiesta in MP3/Opus/AAC/FLAC/PCM né SSE.
Se occorre verificare la risposta originale
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
Campi della risposta
| Campo | Tipo |
|---|---|
Campobinary native audio | Tipobytes |
Campomodel | Tipostring |
Camporesponse_id | Tipostring |
Campoactual_count | Tipointeger |
Campodata[] | Tipoowned audio asset link |
Errori e passaggi successivi
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Alias
Alias del modello
Ailoot gemini-3.8-flash-tts
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · Gemini 3.8 Flash Tts
- Quali input e risultati sono disponibili?
POST /v1/audio/speech·gemini-3.8-flash-tts:text→audio- Quali campi usa la richiesta?
POST /v1/audio/speech·gemini-3.8-flash-tts:model,input,voice,response_format,stream_format- Quali limiti si applicano?
POST /v1/audio/speech·gemini-3.8-flash-tts:ctx:8192;max_out:16384