Gemini 3.8 Flash Lite Tts

Google kalbos modelis masiniam tekstų įgarsinimui, nuoseklioms replikoms ir balso scenarijams 101 kalba.

Ailoot · Įgarsinimas POST /v1/audio/speech gemini-3.8-flash-lite-tts

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Gemini 3.8 Flash-Lite TTS skirta daugybei kalbos operacijų: teksto skaitymui, nuoseklių replikų įgarsinimui ir kasdieniams balso scenarijams. Google duomenimis, jos profilis – nedidelė delsa ir efektyvus masinis apdorojimas.

Balso pasirinkimas

Modelis palaiko 101 kalbą, įskaitant rusų. Tarp pasirinkimų – 30 paruoštų balsų, išplėsta biblioteka, balso įvaizdžio kūrimas ir balso atkūrimas pagal pavyzdį. Balsas, stilius ir pati tariama replika nurodomi atskirai, todėl įgarsinamo teksto nereikia maišyti su skaitymo pobūdžio aprašymu.

Flash-Lite naudoja tokį pat kalbos valdymo formatą kaip Gemini 3.8 Flash TTS. Dialogo replikos priskiriamos konkretiems kalbėtojams. Paruoštų balsų skaičius vienoje daugiabalsėje užklausoje ribojamas iki dviejų; pagal aprašymą ar pavyzdį sukurti balsai naudojami atskirose kalbos replikose.

Kas pateikiama įvestyje

Įvestyje pateikiamas iki 8 192 tokenų tekstas, išvestyje sukuriamas garsas su 16 384 tokenų riba. Tarimo nuostatos valdo atlikimo stilių, o trumpi vokaliniai įvykiai ir pauzės nustatomi specialiomis garso žymomis tekste. Tai kalbos sintezė pagal pateiktą repliką, o ne tekstinio atsakymo į klausimą generavimas.

Formatai ir apdorojimas

Įprastam atsakymui pagal numatytąsias nuostatas naudojamas WAV. Numatytasis srautinio perdavimo formatas – PCM be antraštės. Pradiniai garso parametrai – 24 kHz, vienas kanalas ir 16 bitų. Gamintojas taip pat numato PCM, mu-law ir A-law. Palaikomi konteksto kaupimas podėlyje ir paketinis apdorojimas. Garso formato galimybes reikia vertinti atskirai nuo faktinio failo gavimo būdo pasirinktu kalbos metodu.

Modelio ribos

Šiai versijai nenurodyti Thinking, funkcijų iškvietimai, kodo vykdymas, paieška failuose, pagrindimas paieškos rezultatais, Google Maps, struktūruoti tekstiniai atsakymai, vaizdų kūrimas ar žiniatinklio adresų turinio naudojimas. Jos paskirtis – greitai įgarsinti parengtą medžiagą.

Orientacija į nedidelę delsą nenustato kiekvienos užklausos užbaigimo termino. Kalbų aprėptis, balso pasirinkimo būdai ir atlikimo valdymas apibūdina paties modelio galimybes ir nereiškia automatinio visų nuostatų prieinamumo bet kuriame kalbos metode.

Ailoot · Įgarsinimas POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Pradžia

Google kalbos modelis masiniam tekstų įgarsinimui, nuoseklioms replikoms ir balso scenarijams 101 kalba.

Leidžiamos įvestys: Tekstas
Rezultatai: Garsas

Prieinama Ailoot · įvestys ir metodai

Ailoot · Įgarsinimas POST /v1/audio/speech

Įvestis: text
Išvestis: audio
Kontekstas: 8 192 tokens
Didžiausia išvestis: 16 384 tokens
Išvesties formatas: pirminio garso formato baitai arba JSON nuorodos į išteklius

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos gemini-3.8-flash-lite-tts	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos 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	NumatytaKore
Laukas`response_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos , wav, json	Numatyta
Laukas`stream_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos audio	Numatyta—

Įvesties medžiagos deriniai

text_to_speech · Privaloma: input

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`material_types`	Specifikacijatext
Parametras`required`	Specifikacijanull
Parametras`optional_controls`	Specifikacijanull

Gyvavimo ciklas: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · faktiškai grąžinta task_id reikšmė arba medijos bibliotekos įrašas

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodų struktūros ir ID yra tikslūs; tiekėjo galimybės yra atskirtos nuo užklausos priėmimo.

Planai

Ailoot metodų įkainiai

Ailoot ĮgarsinimasPOST /v1/audio/speech

Įvestis: 0,0005 USD / 1K
Išvestis: 0,006 USD / 1K
Talpyklos skaitymas: 0,000125 USD / 1K

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot · Įgarsinimas

Įgarsinimo pavyzdys

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-lite-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

Gauti ir išsaugoti rezultatus

Ailoot · Įgarsinimas

pirminio garso formato baitai arba JSON nuorodos į išteklius

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Vieno rezultato numatytoji forma yra pirminio garso formato baitai su tikruoju Content-Type; response_format=json arba keli rezultatai grąžina visas jums priklausančias nuorodas. Prašomas MP3/Opus/AAC/FLAC/PCM konvertavimas arba SSE netaikomi.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite pradinį operation_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra.

Atsakymo laukai

Laukas	Tipas
Laukas`binary native audio`	Tipasbytes
Laukas`model`	Tipasstring
Laukas`response_id`	Tipasstring
Laukas`actual_count`	Tipasinteger
Laukas`data[]`	Tipasowned audio asset link

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė	Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus.
Atsakymas`server_error`	SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti	Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite.

Pseudonimai

Modelių pseudonimai

Ailoot gemini-3.8-flash-lite-tts

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Kokie apribojimai taikomi?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts