Google: Gemini 3.8 Flash TTS
Google Gemini 3.8 Flash TTSは、オーディオブック、スタジオナレーション、キャラクターの対話向けに、表現豊かな音声を生成します。原文どおりに読む台本と、独立した話者・演技の指示、一時的な発声タグを組み合わせ、130言語を扱います。発音、地域のアクセント、声の一貫性を重視したモデルです。
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Google Gemini 3.8 Flash TTSは、Googleの3.8音声合成ファミリーで、創造的な声の演技を担うモデルです。音響的な忠実度、感情の幅、地域のアクセント、長い対話にわたるキャラクターの声の連続性を重視します。Googleは、オーディオブック、スタジオナレーション、難しい発音、声の演技が多い場面を主な用途として挙げています。用意したテキスト台本から音声を出力し、ナレーターの演技を確認したり、台本に沿った会話をほかの制作要素と組み合わせたりできます。
まず、実際に聞かせる正確な文言を用意します。3.8では台本文がそのまま読まれ、話者や持続的な演技の指定は別の音声メタデータに記載します。各ターンに明確な話者の識別情報を与え、必要に応じて「抑えた心配」や「明るい好奇心」のような簡潔なスタイル指示を付けます。感情やテンポが大きく変わる場合は、せりふを別のターンに分けてください。こうすると、台本文が対話を、添付した指示がその部分の演じ方を表し、制作指示を確認しやすくなります。通常の文章による指示を台本文に書くと、それ自体が読み上げられる場合があります。
Googleの3.8音声システムには、既成の声、拡張音声ライブラリ、設計したペルソナ、複製した声が含まれます。一時的な演技の変更を加える前に、基礎となるペルソナを選んでください。安定した地域のアクセントやキャラクターの個性は選んだ声に属し、styleフィールドは現在の演技を制御します。開発元は、長いAudio ProfileやDirector’s Notesのブロックを繰り返す代わりに、その声と短い指示を再利用するよう勧めています。公開されている単一リクエストの対話設定では、最大2人の既成の話者を組み合わせられます。設計・複製したキャラクターについては、複数人物のやり取りを組み立てる際に、ターンごとの生成を行うようガイドされています。
短い人間の発声や間は、必要な箇所に山括弧のタグで挿入します。台本の例は「もう帰ったのかと思った。<short pause> <sigh> 明かりをつけたままにしていたよ。」です。抑えた話し方は、読み上げる言葉の中に指示を書くのではなく、ターン全体に付けます。句読点や大文字表記も、ためらいを区切ったり語を強調したりする助けになります。Googleは、相づちや重なり合う対話に対してパイプで区切った聞き手の反応も公開しており、重なりが多い場合には3.8の中でFlash TTSを推奨しています。主なせりふを聞き取れるよう、そうした反応は短く保ってください。
開発元はFlash TTSの対応言語を130とし、地域の方言や少数派の方言への対応を強調しています。地域性のある演技指示は、現地向けオーディオブックのキャラクターや、聞き手にとってアクセントが重要なナレーションに役立ちます。最終的に使う言語で台本を作り、繰り返し登場する名前のつづりを統一し、略語や数字の読み方を意図的に決めます。編集上の確認では、難しい名前、方言の変化、感情の移り変わりがある箇所から試聴してください。求めるアクセントやテンポは言語ラベルだけで判断せず、生成された音声で評価します。
3.8の出力ガイドは、完成したファイルとストリーミング音声を区別しています。通常の完了リクエストのデフォルトは、RIFFヘッダー付きWAVファイルで、24 kHz、モノラル、符号付き16ビットのリトルエンディアンPCMです。ストリーミングのデフォルトは、同じサンプル特性のヘッダーなしの生リニアPCMです。生リニアPCM、mu-law、A-lawも、公開されたエンコーディングの選択肢です。再生や編集ソフトへの読み込みでは、実際のエンコーディング情報を使ってください。別々の対話ファイルを連ねる場合は形式を統一し、接続部分で音量、テンポ、環境音が急変していないか確認します。
Googleの当該モデルページには、Gemini APIの提供上限として入力8,192トークン、出力16,384トークンと記載されています。これはトークン上限であり、オーディオブックの固定の長さや、正確な音声の秒数ではありません。長い台本は意味のまとまりで区切り、セクションをまたいで選んだ声の識別情報を保持してください。章単位の制作では、各区間の文言の正確さに加えて、段落や場面の変わり目で連続性を確認します。実用的なレビューでは、テイクごとに声の指示全体を書き直すのではなく、発音や演技の修正が必要なせりふを記録します。
Flash TTSとFlash-Lite TTSは3.8の準備構造を共有するため、作業上の要求に応じてエディションを選べます。Flash TTSは演技、複雑な対話、難しい発音、幅広い方言対応を重視し、Flash-Liteは日常的な音声コンテンツの処理量を重視します。表現の制御は、人間の発話と発声イベントに関するものです。背景効果音、音楽、完成した音声ミックスは、別の素材として計画できます。台本執筆、翻訳、録音された音声の認識は、このテキストから音声を生成するモデルの前後にある別の工程です。
Ailoot Ultra · 音声 POST /v1/audio/speech google/gemini-3.8-flash-tts
google/gemini-3.8-flash-ttsはじめに
Google Gemini 3.8 Flash TTSは、オーディオブック、スタジオナレーション、キャラクターの対話向けに、表現豊かな音声を生成します。原文どおりに読む台本と、独立した話者・演技の指示、一時的な発声タグを組み合わせ、130言語を扱います。発音、地域のアクセント、声の一貫性を重視したモデルです。
- 対応する入力
- テキスト
- 結果
- 音声
Ailootで利用可能 · 入力とメソッド
Ailoot Ultra · 音声 POST /v1/audio/speech
- 入力の種類
text- 出力の種類
audio
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 google/gemini-3.8-flash-tts | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 最小の長さ: 1 | デフォルト— |
フィールドvoice | 種類string | 要件必須 | 値と制限 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 最小の長さ: 1 | デフォルト— |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 mp3, pcm | デフォルトpcm |
フィールドprovider | 種類object | 要件任意 | 値と制限 | デフォルト— |
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input, voice |
パラメータmaterial_types | 仕様text |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
料金
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
- 高速モード
- 未指定 高速モードが選択されている場合
- Flex モード
- 未指定 flex モードが選択されている場合
- 最大推論量
- 未指定 推論量が最大で、調整に既定値（default）を使用する場合
Ailootの料金
設定別の価格
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | 課金単位 | 料金 |
|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 課金単位— | 料金 入力 · 入力トークン — / 1K トークン 出力 · 出力トークン — / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定入力トークン | 料金表— | 課金単位/ 1K トークン | 料金 入力 $0.001 / 1K トークン |
| 設定出力トークン | 料金表— | 課金単位/ 1K トークン | 料金 出力 $0.018 / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · 音声
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
結果を受け取って保存
Ailoot Ultra · 音声
完全なバイナリ音声、または元のaudio_urlレスポンス、ヘッダー、およびすべての所有アセット。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
その他のコンテンツ取得
set -eu
: "${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.
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
元のレスポンスを確認する場合
照合のため、返された X-Client-Request-ID を保存してください。実際に返された task_id/asset_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。
エイリアス
モデルのエイリアス
Ailoot Ultra google/gemini-3.8-flash-tts
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · Google: Gemini 3.8 Flash TTS
- 利用できる入力と結果は何ですか？
POST /v1/audio/speech·google/gemini-3.8-flash-tts:text→audio- リクエストはどの項目を使用しますか？
POST /v1/audio/speech·google/gemini-3.8-flash-tts:model,input,voice,response_format,provider