Google: Gemini 3.8 Flash Lite TTS

Google Gemini 3.8 Flash-Lite TTS paverčia tikslius scenarijus kalba skaitymo balsu funkcijoms, įprastam įgarsinimui ir dideliems sakytinio turinio kiekiams. Jis palaiko 101 kalbą, pasirenkamus balsus ir atlikimo valdymą per atskirus stiliaus metaduomenis, o įterpiamos žymos skirtos trumpoms pauzėms ir balso įvykiams.

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

Apie modelį

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

Google Gemini 3.8 Flash-Lite TTS yra į našumą orientuotas Google 3.8 kalbos sintezės iš teksto šeimos modelis. Jis priima rašytinį scenarijų ir sukuria sakytinį garsą. Google jį pozicionuoja skaitymo balsu funkcijoms, kasdieniam vieno kalbėtojo įgarsinimui, didelės apimties garso gamybai ir balso agentų sistemų kalbos išvesties etapui. Naudingas rezultatas yra nuosekliu balsu perskaitytas straipsnis, sakytinis produkto paaiškinimas ar trumpų mokomųjų įrašų rinkinys. Scenarijuje jau turi būti žodžiai, kuriuos turi išgirsti klausytojas.

3.8 šeima atskiria scenarijaus tekstą nuo atlikimo instrukcijų. Tariamą tekstą išlaikykite pažodinį, o visam fragmentui taikomą emociją, tempą, garsumą ar atlikimo stilių pateikite kalbos metaduomenyse. Šilta įžanga, skubi instrukcija ir tylus užbaigimas gali turėti atskirus trumpus stiliaus aprašymus, priskirtus jų žingsniams. Toks tekstas kaip „Pasakykite linksmai“ scenarijuje gali būti ištartas pats. Kalbėtojų vardai pateikiami kalbėtojo metaduomenyse, o ne kaip žymos girdimame scenarijuje. Toks paruošimas ypač svarbus pakartotinai naudojant Gemini 3.1 Flash TTS parašytas užklausas.

Trumpiems įvykiams konkrečioje vietoje — įkvėpimui, juokui, kosuliui, atodūsiui ar pauzei — naudokite įterptas žymas kampiniuose skliaustuose. Pavyzdžiui, scenarijaus tekstas „Kitas žingsnis paprastas. <short pause> Pasirinkite pageidaujamą kalbą.“ išlaiko numatytą pauzę greta žodžių, kuriuos ji veikia. Nuolatinį šnabždėjimą nurodykite stiliaus aprašyme, užuot kartotinai pridėję įvykių žymas. Google rekomenduoja angliškus žymų pavadinimus net kitomis kalbomis parašytiems scenarijams. Šie valdikliai nukreipia balsą; plojimų takeliui ar durų trinktelėjimui reikia atskiros garso gamybos, o ne balso įvykio žymos.

Google šiai versijai nurodo 101 palaikomą kalbą, tarp jų anglų, rusų, kinų, japonų, korėjiečių, prancūzų, vokiečių, ispanų, indoneziečių ir vietnamiečių. Galutinį scenarijų rašykite numatyta kalba, įskaitant pageidaujamas vardų, santrumpų ir skaičių formas. Redakcinio paruošimo metu dviprasmišką santrumpą ar numatytą skaičiaus skaitymą užrašykite žodžiais, kai klausytojas turi išgirsti vieną konkrečią formą. Prieš laikydami ilgą įrašą užbaigtu, išklausykite pradinę ištrauką su sudėtingais vardais ir perėjimais. Kalbų skaičius nereiškia, kad visi regioniniai tarimo variantai yra tarpusavyje pakeičiami.

Gamintojas palaiko iš anksto paruoštus balsus, išplėstinę balsų biblioteką, sukurtas balso personas ir balso atkartojimą. Balso tapatybę pasirinkite atskirai nuo laikinų vaidybos instrukcijų. Kai pasakojimas turi išlikti nuoseklus, skirtingose dalyse pakartotinai naudokite tą tapatybę ir trumpą atlikimo aprašymą. Dokumentuotoje dviejų kalbėtojų konfigūracijoje kiekvienam žingsniui aiškiai nurodykite kalbėtoją, atitinkantį vieną iš dviejų sukonfigūruotų iš anksto paruoštų balsų. Google vadove kelių veikėjų scenos su sukurtais ar atkartotais balsais rengiamos generuojant atskirus žingsnius. Šis skirtumas svarbus planuojant dialogą, o ne vieno pasakotojo įrašą.

Įprastoms užbaigtoms užklausoms Google 3.8 vadovas nurodo WAV garsą su RIFF antrašte, kuriame yra 24 kHz monofoninis 16 bitų PCM su ženklu ir little-endian baitų tvarka. Srautinė konfigūracija pagal numatytuosius nustatymus grąžina neapdoroto PCM fragmentus be antraštės; vadove taip pat dokumentuoti neapdoroto tiesinio PCM, mu-law ir A-law kodavimo pasirinkimai. Atkūrimo ar redagavimo nustatymus suderinkite su tikruoju išvesties formatu. PCM be antraštės pervadinimas suteikiant WAV plėtinį neprideda konteinerio informacijos. Surinkdami atskirai sugeneruotus žingsnius išlaikykite vienodą garso formatą ir kiekvieną užbaigtą WAV laikykite failu su atskira antrašte.

Būtent šio modelio puslapyje nurodytos Gemini API ribos — 8 192 įvesties žetonų ir 16 384 išvesties žetonų. Garso žetonai neišreiškia fiksuoto sakytinės kalbos sekundžių skaičiaus. Ilgą medžiagą paruoškite prasmingomis dalimis, išlaikydami tą patį balsą bei stiliaus užduotį ir išklausydami sandūras. Tai gamintojo dokumentuotos šio modelio teikimo ribos; jos aprašo kitą dydį nei bendras katalogo konteksto laukas. Įvestis yra tekstas, o išvestis — garsas, todėl scenarijaus rengimas, vertimas ir transkripcija yra atskiros paruošimo ar vėlesnio darbo užduotys.

Flash-Lite naudoja tą pačią 3.8 užklausos struktūrą kaip Gemini 3.8 Flash TTS. Praktinis pasirinkimas priklauso nuo reikiamo atlikimo: Flash-Lite skirtas sparčiai, kartotinei gamybai, o Flash TTS yra kūrybinis lygmuo sudėtingam tarimui, niuansuotai vaidybai ir platesnei tarmių aprėpčiai. Įprastas pagalbos straipsnis ir dramatiška dviejų veikėjų scena kelia skirtingus reikalavimus balsui. Prieš naudodami įrašą galutiniam klausymui, patikrinkite, ar jame nėra praleistų ar pakartotų žodžių, įvertinkite tarimą, tempą ir girdimus pokyčius tarp segmentų.

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

google/gemini-3.8-flash-lite-tts

Google /google/gemini-3.8-flash-lite-tts

Pradžia

Leidžiamos įvestys: Tekstas
Rezultatai: Garsas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Kalba POST /v1/audio/speech

Įvestis: text
Išvestis: audio

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos google/gemini-3.8-flash-lite-tts	Numatyta—
Laukas`input`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos Mažiausias ilgis: 1	Numatyta—
Laukas`voice`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos 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 Mažiausias ilgis: 1	Numatyta—
Laukas`response_format`	Tipas`string`	ReikalavimasNeprivaloma	Reikšmės ir ribos mp3, pcm	Numatytapcm
Laukas`provider`	Tipas`object`	ReikalavimasNeprivaloma	Reikšmės ir ribos	Numatyta—

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`content_type`	Specifikacijaapplication/json
Parametras`required`	Specifikacijamodel, input, voice
Parametras`material_types`	Specifikacijatext

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}

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas: Nenurodyta Pasirinkus spartųjį režimą
Flex režimas: Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos: Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.

Konfigūracija	Įkainių lentelė	Apskaitos vienetas	Mokestis
KonfigūracijaBaziniai žetonų įkainiai	Įkainių lentelėBazinis įkainis	Apskaitos vienetas—	Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų
Konfigūracijaįvesties žetonas	Įkainių lentelė—	Apskaitos vienetas/ 1K tokenų	Mokestis Įvestis $0.001 / 1K tokenų
Konfigūracijaišvesties žetonas	Įkainių lentelė—	Apskaitos vienetas/ 1K tokenų	Mokestis Išvestis $0.012 / 1K tokenų

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 Ultra · Kalba

Naudokite tikrus įvesties duomenis ir išsaugokite visą rezultatą

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-lite-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.

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Kalba

Visas dvejetainis garsas arba pradinis audio_url atsakymas, antraštės ir kiekvienas jums priklausantis išteklius.

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

Kito turinio skaitymas

Skaityti esamą jums priklausančią medžiagą

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.

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite grąžintą X-Client-Request-ID duomenims sutikrinti. Tikrinkite tik faktiškai grąžintas task_id/asset_id reikšmes arba jums priklausančią medijos biblioteką; niekada nekurkite užduoties URL iš operacijos ID ir niekada pakartotinai neteikite kūrimo užklausos.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra google/gemini-3.8-flash-lite-tts

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

google/gemini-3.8-flash-lite-tts

FAQ · Google: Gemini 3.8 Flash Lite TTS

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/speech · google/gemini-3.8-flash-lite-tts: text → audio
Kokius laukus naudoja užklausa?: POST /v1/audio/speech · google/gemini-3.8-flash-lite-tts: model, input, voice, response_format, provider

Google: Gemini 3.8 Flash Lite TTS