Google Gemini 3.8 Flash-Lite TTS è il componente della famiglia text-to-speech 3.8 di Google orientato alla produttività. Riceve un copione scritto e produce audio parlato. Google lo propone per funzioni di lettura ad alta voce, narrazione quotidiana con un solo parlante, produzione di grandi volumi di audio e fase di output vocale dei sistemi con agenti vocali. Un risultato utile è un articolo letto con una voce coerente, una spiegazione parlata di un prodotto o una serie di brevi registrazioni di istruzioni. Il copione dovrebbe già contenere le parole che l'ascoltatore deve sentire.
La famiglia 3.8 separa la trascrizione dalle indicazioni di interpretazione. Mantieni letterale il testo da pronunciare e inserisci emozione continuativa, ritmo, volume o stile di lettura nei metadati del parlato. Un'introduzione calorosa, un'istruzione urgente e una chiusura sommessa possono avere ciascuna una breve descrizione di stile associata al proprio turno. Un testo come «Dillo allegramente» inserito nella trascrizione potrebbe essere pronunciato. I nomi dei parlanti vanno nei metadati del parlante, anziché come etichette nel copione udibile. Questa preparazione è particolarmente importante quando si riutilizzano prompt scritti per Gemini 3.1 Flash TTS.
Usa tag inline tra parentesi angolari per brevi eventi in un punto specifico: un respiro, una risata, un colpo di tosse, un sospiro o una pausa. Per esempio, la trascrizione «Il passaggio successivo è semplice. <short pause> Scegli la lingua che preferisci» mantiene la pausa prevista accanto alle parole su cui influisce. Inserisci una lettura sussurrata continuativa nella descrizione di stile, anziché aggiungere ripetutamente tag di evento. Google consiglia nomi dei tag in inglese anche per copioni in altre lingue. Questi controlli dirigono la voce; una traccia di applausi o una porta che sbatte richiedono una produzione sonora separata, anziché un tag di evento vocale.
Google elenca 101 lingue supportate per questa edizione, tra cui inglese, russo, cinese, giapponese, coreano, francese, tedesco, spagnolo, indonesiano e vietnamita. Scrivi il copione definitivo nella lingua prevista, includendo la forma desiderata di nomi, abbreviazioni e numeri. Nella preparazione editoriale, esplicita un'abbreviazione ambigua o la lettura prevista di un numero quando l'ascoltatore deve sentirne una forma specifica. Ascolta un brano iniziale contenente i nomi difficili e le transizioni prima di considerare completata una registrazione lunga. Il numero di lingue non rende intercambiabili tutte le pronunce regionali.
Il produttore supporta voci predefinite, una libreria vocale estesa, personaggi vocali progettati e replicazione della voce. Seleziona l'identità vocale separatamente dalle indicazioni temporanee di recitazione. Riutilizza quell'identità e una breve descrizione dell'interpretazione tra le sezioni quando la narrazione deve rimanere coerente. Nella configurazione documentata a due parlanti, assegna a ogni turno un parlante esplicito che corrisponda a una delle due voci predefinite configurate. La guida di Google gestisce le scene con più personaggi e voci progettate o replicate generando i singoli turni. Questa distinzione conta quando si pianifica un dialogo anziché un singolo narratore.
Per le richieste ordinarie completate, la guida 3.8 di Google specifica audio WAV con intestazione RIFF, contenente PCM a 24 kHz, mono, signed a 16 bit little-endian. La configurazione in streaming restituisce invece, per impostazione predefinita, blocchi PCM raw senza intestazione; la guida documenta anche le opzioni di codifica PCM lineare raw, mu-law e A-law. Abbina le impostazioni di riproduzione o montaggio al formato effettivo dell'output. Rinominare PCM senza intestazione con un'estensione WAV non aggiunge le informazioni del contenitore. Quando assembli turni generati separatamente, mantieni coerente il formato audio e considera ogni WAV completo come un file con la propria intestazione.
La pagina dell'esatto modello elenca limiti di Gemini API di 8,192 token di input e 16,384 token di output. I token audio non esprimono un numero fisso di secondi parlati. Prepara il materiale lungo in sezioni significative, conservando la stessa voce e il brief di stile e ascoltando le giunzioni. Questi sono i limiti di erogazione documentati dal produttore per questo modello; descrivono una grandezza diversa da un campo generico di contesto del catalogo. L'input è testo e l'output è audio: stesura del copione, traduzione e trascrizione sono quindi attività separate di preparazione o successive.
Flash-Lite condivide la struttura delle richieste 3.8 con Gemini 3.8 Flash TTS. La scelta pratica riguarda l'interpretazione richiesta: Flash-Lite punta a una produzione rapida e ripetuta, mentre Flash TTS è il livello creativo per pronunce difficili, recitazione sfumata e copertura dialettale più ampia. Un normale articolo di assistenza e una scena drammatica a due personaggi pongono esigenze diverse alla voce. Controlla la registrazione effettiva per parole omesse o ripetute, pronuncia, ritmo e cambiamenti udibili tra i segmenti prima di usarla nell'esperienza finale di ascolto.
", "aboutText": "Google Gemini 3.8 Flash-Lite TTS è il componente della famiglia text-to-speech 3.8 di Google orientato alla produttività. Riceve un copione scritto e produce audio parlato. Google lo propone per funzioni di lettura ad alta voce, narrazione quotidiana con un solo parlante, produzione di grandi volumi di audio e fase di output vocale dei sistemi con agenti vocali. Un risultato utile è un articolo letto con una voce coerente, una spiegazione parlata di un prodotto o una serie di brevi registrazioni di istruzioni. Il copione dovrebbe già contenere le parole che l'ascoltatore deve sentire.\n\nLa famiglia 3.8 separa la trascrizione dalle indicazioni di interpretazione. Mantieni letterale il testo da pronunciare e inserisci emozione continuativa, ritmo, volume o stile di lettura nei metadati del parlato. Un'introduzione calorosa, un'istruzione urgente e una chiusura sommessa possono avere ciascuna una breve descrizione di stile associata al proprio turno. Un testo come «Dillo allegramente» inserito nella trascrizione potrebbe essere pronunciato. I nomi dei parlanti vanno nei metadati del parlante, anziché come etichette nel copione udibile. Questa preparazione è particolarmente importante quando si riutilizzano prompt scritti per Gemini 3.1 Flash TTS.\n\nUsa tag inline tra parentesi angolari per brevi eventi in un punto specifico: un respiro, una risata, un colpo di tosse, un sospiro o una pausa. Per esempio, la trascrizione «Il passaggio successivo è semplice.google/gemini-3.8-flash-lite-ttsGoogle Gemini 3.8 Flash-Lite TTS trasforma copioni esatti in parlato per funzioni di lettura ad alta voce, narrazione ordinaria e grandi volumi di contenuti parlati. Supporta 101 lingue, voci selezionabili e controllo dell'interpretazione tramite metadati di stile separati, con tag inline per brevi pause ed eventi vocali.
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.
Google Gemini 3.8 Flash-Lite TTS è il componente della famiglia text-to-speech 3.8 di Google orientato alla produttività. Riceve un copione scritto e produce audio parlato. Google lo propone per funzioni di lettura ad alta voce, narrazione quotidiana con un solo parlante, produzione di grandi volumi di audio e fase di output vocale dei sistemi con agenti vocali. Un risultato utile è un articolo letto con una voce coerente, una spiegazione parlata di un prodotto o una serie di brevi registrazioni di istruzioni. Il copione dovrebbe già contenere le parole che l'ascoltatore deve sentire.
La famiglia 3.8 separa la trascrizione dalle indicazioni di interpretazione. Mantieni letterale il testo da pronunciare e inserisci emozione continuativa, ritmo, volume o stile di lettura nei metadati del parlato. Un'introduzione calorosa, un'istruzione urgente e una chiusura sommessa possono avere ciascuna una breve descrizione di stile associata al proprio turno. Un testo come «Dillo allegramente» inserito nella trascrizione potrebbe essere pronunciato. I nomi dei parlanti vanno nei metadati del parlante, anziché come etichette nel copione udibile. Questa preparazione è particolarmente importante quando si riutilizzano prompt scritti per Gemini 3.1 Flash TTS.
Usa tag inline tra parentesi angolari per brevi eventi in un punto specifico: un respiro, una risata, un colpo di tosse, un sospiro o una pausa. Per esempio, la trascrizione «Il passaggio successivo è semplice. <short pause> Scegli la lingua che preferisci» mantiene la pausa prevista accanto alle parole su cui influisce. Inserisci una lettura sussurrata continuativa nella descrizione di stile, anziché aggiungere ripetutamente tag di evento. Google consiglia nomi dei tag in inglese anche per copioni in altre lingue. Questi controlli dirigono la voce; una traccia di applausi o una porta che sbatte richiedono una produzione sonora separata, anziché un tag di evento vocale.
Google elenca 101 lingue supportate per questa edizione, tra cui inglese, russo, cinese, giapponese, coreano, francese, tedesco, spagnolo, indonesiano e vietnamita. Scrivi il copione definitivo nella lingua prevista, includendo la forma desiderata di nomi, abbreviazioni e numeri. Nella preparazione editoriale, esplicita un'abbreviazione ambigua o la lettura prevista di un numero quando l'ascoltatore deve sentirne una forma specifica. Ascolta un brano iniziale contenente i nomi difficili e le transizioni prima di considerare completata una registrazione lunga. Il numero di lingue non rende intercambiabili tutte le pronunce regionali.
Il produttore supporta voci predefinite, una libreria vocale estesa, personaggi vocali progettati e replicazione della voce. Seleziona l'identità vocale separatamente dalle indicazioni temporanee di recitazione. Riutilizza quell'identità e una breve descrizione dell'interpretazione tra le sezioni quando la narrazione deve rimanere coerente. Nella configurazione documentata a due parlanti, assegna a ogni turno un parlante esplicito che corrisponda a una delle due voci predefinite configurate. La guida di Google gestisce le scene con più personaggi e voci progettate o replicate generando i singoli turni. Questa distinzione conta quando si pianifica un dialogo anziché un singolo narratore.
Per le richieste ordinarie completate, la guida 3.8 di Google specifica audio WAV con intestazione RIFF, contenente PCM a 24 kHz, mono, signed a 16 bit little-endian. La configurazione in streaming restituisce invece, per impostazione predefinita, blocchi PCM raw senza intestazione; la guida documenta anche le opzioni di codifica PCM lineare raw, mu-law e A-law. Abbina le impostazioni di riproduzione o montaggio al formato effettivo dell'output. Rinominare PCM senza intestazione con un'estensione WAV non aggiunge le informazioni del contenitore. Quando assembli turni generati separatamente, mantieni coerente il formato audio e considera ogni WAV completo come un file con la propria intestazione.
La pagina dell'esatto modello elenca limiti di Gemini API di 8,192 token di input e 16,384 token di output. I token audio non esprimono un numero fisso di secondi parlati. Prepara il materiale lungo in sezioni significative, conservando la stessa voce e il brief di stile e ascoltando le giunzioni. Questi sono i limiti di erogazione documentati dal produttore per questo modello; descrivono una grandezza diversa da un campo generico di contesto del catalogo. L'input è testo e l'output è audio: stesura del copione, traduzione e trascrizione sono quindi attività separate di preparazione o successive.
Flash-Lite condivide la struttura delle richieste 3.8 con Gemini 3.8 Flash TTS. La scelta pratica riguarda l'interpretazione richiesta: Flash-Lite punta a una produzione rapida e ripetuta, mentre Flash TTS è il livello creativo per pronunce difficili, recitazione sfumata e copertura dialettale più ampia. Un normale articolo di assistenza e una scena drammatica a due personaggi pongono esigenze diverse alla voce. Controlla la registrazione effettiva per parole omesse o ripetute, pronuncia, ritmo e cambiamenti udibili tra i segmenti prima di usarla nell'esperienza finale di ascolto.
POST /v1/audio/speechtextaudio| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-3.8-flash-lite-tts | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 | Predefinito— |
Campovoice | Tipostring | RequisitoObbligatorio | Valori e limiti 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 Lunghezza minima: 1 | Predefinito— |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti mp3, pcm | Predefinitopcm |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input, voice |
Parametromaterial_types | Contrattotext |
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 tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| Configurazionetoken di input | Listino delle tariffe— | Unità di fatturazione/ 1K token | Costo Input $0.001 / 1K token |
| Configurazionetoken di output | Listino delle tariffe— | Unità di fatturazione/ 1K token | Costo Output $0.012 / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nAudio binario completo o risposta audio_url originale, intestazioni e ogni risorsa di tua proprietà.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nConserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID restituito per la riconciliazione. Leggi solo i valori task_id/asset_id effettivamente restituiti o la tua libreria multimediale; non costruire mai un URL del task a partire dall'ID dell'operazione e non reinviare mai la richiesta di creazione.
Ailoot Ultra google/gemini-3.8-flash-lite-tts
Usa i percorsi dei metodi indicati sopra.