Google: Gemini 3.8 Flash TTS

Google Gemini 3.8 Flash TTS аудиокітаптарға, студиялық дыбыстауға және кейіпкер диалогына мәнерлі сөйлеу жасайды. Ол сөзбе-сөз сценарийді сөйлеуші туралы бөлек деректермен және актерлік нұсқаулармен, сәттік дауыс тегтерімен және 130 тілді қамтумен біріктіреді; айтылымға, аймақтық акценттерге және дауыс бірізділігіне басымдық береді.

Ailoot Ultra · Сөйлеу POST /v1/audio/speech google/gemini-3.8-flash-tts

Модель туралы

Бұл сипаттама модель мүмкіндіктерін қамтиды. Ailoot жүйесінде таңдалған әдіс үшін қолжетімді кіріс, шығыс және параметрлер төменде берілген.

Google Gemini 3.8 Flash TTS — Google компаниясының 3.8 мәтінді сөйлеуге айналдыратын модельдер тобының шығармашылық дыбыстауға арналған нұсқасы. Ол акустикалық дәлдікке, эмоциялық ауқымға, аймақтық акценттерге және ұзақ диалог бойындағы кейіпкер дауысының сабақтастығына басымдық береді. Google аудиокітаптарды, студиялық дыбыстауды, күрделі айтылымды және елеулі дауыстық актерлік ойыны бар көріністерді атап көрсетеді. Шығыс — дайын мәтіндік сценарийден жасалған сөйлеу аудиосы; ол диктор орындауын тексеруге немесе сценарийлі әңгімені басқа өндірістік элементтермен біріктіруге жарайды.

Естілуі тиіс нақты сөздерден бастаңыз. 3.8 транскрипті сөзбе-сөз қабылданады, ал сөйлеуші мен тұрақты орындау сипаты бөлек сөйлеу метадеректеріне жатады. Әр кезекке сөйлеушіні анық көрсететін белгіні және қажет болса ұстамды алаңдау немесе көңілді қызығушылық сияқты қысқа стиль нұсқауын беріңіз. Эмоция не қарқын елеулі өзгерсе, жолды бөлек кезектерге бөліңіз. Бұл тапсырманы тексеруді жеңілдетеді: транскриптте диалог, ал тіркелген нұсқауда сол бөлікті қалай орындау керегі болады. Транскриптке енгізілген кәдімгі жазбаша нұсқаулар да дауыстап оқылуы мүмкін.

Google компаниясының 3.8 дауыс жүйесі дайын дауыстарды, кеңейтілген дауыс кітапханасын, арнайы жасалған дауыс бейнелерін және көшірілген дауыс үлгілерін қамтиды. Уақытша актерлік өзгерістерді қолданар алдында негізгі дауыс бейнесін таңдаңыз. Тұрақты аймақтық акцент не кейіпкер болмысы таңдалған дауысқа жатады; style өрісі ағымдағы орындауды басқарады. Өндіруші ұзақ Audio Profile немесе Director’s Notes блоктарын қайталамай, сол дауысты қысқа нұсқаулармен қайта қолдануды ұсынады. Құжатталған бір сұраудағы диалог баптауы екіге дейін дайын сөйлеушіні біріктіреді. Жобаланған не көшірілген кейіпкерлер үшін нұсқаулық көпкейіпкерлі әңгіме құрастырғанда әр кезекті жеке жасауды ұсынады.

Адамның қысқа дауыстық әрекетін не үзілісті тиісті нүктеге бұрышты жақша тегімен қойыңыз. Сценарий мысалы: «Сен кетіп қалдың деп ойладым. <short pause> <sigh> Жарықты өшірмедім». Сабырлы айтылымды айтылатын сөздердің арасына қоспай, бүкіл кезекке тіркеңіз. Тыныс белгілері мен бас әріптер кідірісті құруға немесе сөзге екпін беруге көмектесе алады. Google тыңдаушының қысқа үн қатулары мен қабаттасқан диалогы үшін тік сызықпен бөлінген реакцияларды да құжаттайды және сөйлеу көбірек қабаттасатын диалогқа қолайлы 3.8 нұсқасы ретінде Flash TTS-ті атайды. Тыңдаушы негізгі жолды түсінуі үшін мұндай реакцияларды жеткілікті қысқа ұстаңыз.

Өндіруші Flash TTS үшін 130 қолдау табатын тілді көрсетіп, аймақтық және азшылық диалектілерін қамтуды ерекше атайды. Аймақтық орындау тапсырмасы жергіліктендірілген аудиокітап кейіпкеріне немесе акценті аудитория үшін маңызды дикторлық мәтінге пайдалы. Сценарийді соңғы тілінде, қайталанатын есімдердің бірізді жазылуымен және қысқартулар мен сандардың әдейі таңдалған оқылуымен дайындаңыз. Редакциялық қадам ретінде тыңдау тексерісін қиын есімдер, диалект ауысулары немесе эмоциялық өтулер бар үзінділерден бастаңыз. Көзделген акцент пен қарқынды тіл белгісінен ғана болжамай, жасалған дауыстан бағалау керек.

3.8 шығыс нұсқаулығы толық файлдарды ағындық аудиодан ажыратады. Аяқталған сұраудың әдепкісі — RIFF тақырыбы бар WAV файлы: 24 kHz, моно, таңбалы 16-bit little-endian PCM. Ағындық әдепкі — дәл сондай дискреттеу сипаттары бар, тақырыпсыз raw linear PCM. Raw linear PCM, mu-law және A-law да құжатталған кодтау таңдаулары. Ойнату не редакторға импорт дайындағанда нақты кодтау ақпаратын қолданыңыз. Бөлек диалог файлдарының тізбегінде пішімдерді бірізді сақтап, түйістерді деңгей, қарқын немесе бөлме фонының кенет өзгеруіне тексеріңіз.

Google компаниясының дәл осы модель беті Gemini API қызмет шектерін 8,192 кіріс және 16,384 шығыс токені деп көрсетеді. Бұлар аудиокітаптың бекітілген ұзақтығы не сөйлеу секундтарының нақты саны емес, токен шектері. Ұзақ сценарийлерді мағыналы шекаралармен бөліп, бөлімдер арасында таңдалған дауыс үлгісін сақтаңыз. Тарау көлеміндегі өндірісте әр сегменттің сөз дәлдігімен бірге абзац және көрініс ауысуларындағы сабақтастықты тыңдаңыз. Жақсы іс жүзіндегі тексеріс әр дубльден кейін бүкіл дауыс тапсырмасын қайта жазудың орнына, қай жолдардың айтылымын не актерлік ойынын түзету керегін тіркейді.

Flash TTS пен Flash-Lite TTS 3.8 дайындау құрылымын ортақ пайдаланады, сондықтан нұсқаны жұмыс талабына сай таңдауға болады. Flash TTS актерлік ойынға, күрделі диалогқа, қиын айтылымға және кеңірек диалект қамтуына басымдық береді; Flash-Lite күнделікті айтылатын мазмұнның өткізу қабілетіне бағытталған. Экспрессивтік басқару адам сөйлеуі мен дауыстық оқиғаларға қатысты. Фондық әсерлерді, музыкалық партитураны және дайын өндірістік миксті бөлек материалдар ретінде жоспарлауға болады. Сценарий жазу, аудару және жазылған сөйлеуді тану осы мәтіннен аудио моделінің айналасындағы жеке кезеңдер болып қалады.

Ailoot Ultra · Сөйлеу POST /v1/audio/speech google/gemini-3.8-flash-tts

google/gemini-3.8-flash-tts

Google /google/gemini-3.8-flash-tts

Бастау

Қабылданатын кіріс деректері: Мәтін
Нәтижелер: Аудио

Ailoot жүйесінде қолжетімді · кіріс деректері мен әдістер

Ailoot Ultra · Сөйлеу POST /v1/audio/speech

Кіріс: text
Шығыс: audio

Өріс	Түрі	Талап	Мәндер мен шектеулер	Әдепкі
Өріс`model`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер google/gemini-3.8-flash-tts	Әдепкі—
Өріс`input`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер Ең аз ұзындық: 1	Әдепкі—
Өріс`voice`	Түрі`string`	ТалапМіндетті	Мәндер мен шектеулер 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 Ең аз ұзындық: 1	Әдепкі—
Өріс`response_format`	Түрі`string`	ТалапМіндетті емес	Мәндер мен шектеулер mp3, pcm	Әдепкіpcm
Өріс`provider`	Түрі`object`	ТалапМіндетті емес	Мәндер мен шектеулер	Әдепкі—

Әдіс параметрлері мен өмірлік циклі

Параметр	Параметр талаптары
Параметр`content_type`	Параметр талаптарыapplication/json
Параметр`required`	Параметр талаптарыmodel, input, voice
Параметр`material_types`	Параметр талаптарыtext

Өмірлік цикл: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Нақты қайтарылған task_id немесе медиатека жазбасы

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Тарифтер

Тариф анықтамасы сұрау мүмкіндіктерін қоспайды. Қолдау көрсетілетін параметрлер таңдалған әдісте берілген.

Жылдам режим: Көрсетілмеген Жылдам режим таңдалғанда
Икемді режим: Көрсетілмеген flex режимі таңдалғанда
Ой қорытудың ең жоғары деңгейі: Көрсетілмеген Ой қорыту деңгейі ең жоғары болып, default түзетуі қолданылғанда

Ailoot мөлшерлемелері

Баптаулар бойынша бағалар

Әр төлемді көрсетілген шарттармен салыстырыңыз. Балама баптаулардың әр жиыны үшін бір мөлшерлемені қолданыңыз.

Баптау	Мөлшерлемелер кестесі	Есептеу бірлігі	Төлем
БаптауТокендердің базалық тарифтері	Мөлшерлемелер кестесіНегізгі мөлшерлеме	Есептеу бірлігі—	Төлем Кіріс · Кіріс токендері — / 1K токен Шығыс · Шығыс токендері — / 1K токен Кіріс · Кэшті оқу — / 1K токен Кіріс · Кэшке жазу — / 1K токен Кіріс · Кэшке жазу, 1 сағ — / 1K токен
Баптаукіріс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Кіріс $0.001 / 1K токен
Баптаушығыс токені	Мөлшерлемелер кестесі—	Есептеу бірлігі/ 1K токен	Төлем Шығыс $0.018 / 1K токен

Ailoot сұрау алдында болжамды соманы резервтейді. Нәтижеден кейін өлшенген пайдалану көлемі бойынша қорытынды төлемді шегереді. Ағындық жауап үшін төлем соңғы пайдалану жазбасы негізінде шегеріледі. Резервтеу мен төлемді есептеу тәртібі →

Сұрау мысалдары

Ailoot Ultra · Сөйлеу

Нақты кіріс деректерін қолданып, нәтижені толық сақтаңыз

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.

Нәтижелерді алу және сақтау

Ailoot Ultra · Сөйлеу

Толық бинарлық аудио немесе бастапқы audio_url жауабы, тақырыптар және иелігіңіздегі әрбір ресурс.

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

Басқа мазмұнды оқу

Өзіңізге тиесілі қолда бар материалдарды оқу

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.

Барлық дайын нәтижені сақтау

Қайтарылған әр толық жауапты, файлды және мазмұн бөлігін сақтаңыз.

Толық жауапты және тақырыптарды, алынған әрбір нәтижені, бастапқыда қайтарылған идентификаторларды және пайдалану туралы барлық өрістерді сақтаңыз. Жасау сұрауын қайта жібермей, бастапқы операцияны қалпына келтіріңіз.

Бастапқы жауапты тексеру қажет болса

Есептерді салыстырып тексеру үшін қайтарылған X-Client-Request-ID мәнін сақтаңыз. Тек нақты қайтарылған task_id/asset_id мәндері арқылы немесе өзіңізге тиесілі медиатекадан оқыңыз; операция ID мәнінен тапсырманың URL мекенжайын ешқашан құрастырмаңыз және жасау сұрауын ешқашан қайта жібермеңіз.

Балама атаулар

Модельдердің балама атаулары

Ailoot Ultra google/gemini-3.8-flash-tts

Әдіс жолдарының балама атаулары

Жоғарыда көрсетілген әдіс жолдарын пайдаланыңыз.

Шақыруға арналған байланысты ID

google/gemini-3.8-flash-tts

FAQ · Google: Gemini 3.8 Flash TTS

Қандай кіріс деректері мен нәтижелер қолжетімді?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: text → audio
Сұрау қандай өрістерді пайдаланады?: POST /v1/audio/speech · google/gemini-3.8-flash-tts: model, input, voice, response_format, provider

Google: Gemini 3.8 Flash TTS