Gemini 3.8 Flash Lite Tts

Model mowy Google do masowej syntezy mowy z tekstów, kolejnych wypowiedzi i scenariuszy głosowych w 101 językach.

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

O modelu

Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.

Gemini 3.8 Flash-Lite TTS jest przeznaczony do dużej liczby operacji mowy: odczytywania tekstu, syntezy kolejnych wypowiedzi i codziennych scenariuszy głosowych. Według Google jego profil to małe opóźnienie i efektywne przetwarzanie masowe.

Wybór głosu

Model obsługuje 101 języków, w tym rosyjski. Dostępne warianty obejmują 30 gotowych głosów, rozszerzoną bibliotekę, tworzenie tożsamości głosowej i odtwarzanie głosu na podstawie próbki. Głos, styl i sama wypowiadana kwestia są określane osobno, dlatego tekstu do odczytania nie trzeba mieszać z opisem charakteru czytania.

Flash-Lite używa tego samego formatu sterowania mową co Gemini 3.8 Flash TTS. W dialogu wypowiedzi należą do określonych mówców. Liczba gotowych głosów w jednym żądaniu wielogłosowym jest ograniczona do dwóch; głosy utworzone na podstawie opisu lub próbki są używane w osobnych wypowiedziach.

Co jest przekazywane na wejściu

Na wejściu podawany jest tekst do 8 192 tokenów, a na wyjściu powstaje dźwięk z limitem 16 384 tokenów. Ustawienia wypowiedzi sterują stylem wykonania, a krótkie zdarzenia wokalne i pauzy określa się specjalnymi znacznikami audio w tekście. Jest to synteza mowy na podstawie zadanej kwestii, a nie generowanie odpowiedzi tekstowej na pytanie.

Formaty i przetwarzanie

Dla zwykłej odpowiedzi domyślnie używany jest WAV. Domyślny format strumieniowy to PCM bez nagłówka. Pierwotne parametry dźwięku to 24 kHz, jeden kanał i 16 bitów. Producent przewiduje także PCM, mu-law i A-law. Obsługiwane są buforowanie kontekstu i przetwarzanie wsadowe. Możliwości formatu dźwięku trzeba uwzględniać osobno od faktycznego sposobu uzyskiwania pliku przez wybraną metodę mowy.

Granice modelu

Dla tej wersji nie zadeklarowano Thinking, wywoływania funkcji, wykonywania kodu, wyszukiwania w plikach, ugruntowania w wynikach wyszukiwania, Google Maps, ustrukturyzowanych odpowiedzi tekstowych, tworzenia obrazów ani wykorzystywania treści adresów internetowych. Jej przeznaczeniem jest szybka synteza mowy z przygotowanego materiału.

Ukierunkowanie na małe opóźnienie nie ustala terminu zakończenia każdego żądania. Zakres języków, sposoby wyboru głosu i sterowanie wypowiedzią opisują możliwości samego modelu i nie oznaczają automatycznej dostępności wszystkich ustawień w każdej metodzie mowy.

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

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Start

Model mowy Google do masowej syntezy mowy z tekstów, kolejnych wypowiedzi i scenariuszy głosowych w 101 językach.

Akceptowane dane wejściowe: Tekst
Wyniki: Audio

Dostępne w Ailoot · dane wejściowe i metody

Ailoot · Synteza mowy POST /v1/audio/speech

Wejście: text
Wyjście: audio
Kontekst: 8192 tokens
Maksymalny wynik: 16 384 tokens
Format wyjściowy: bajty dźwięku w formacie natywnym lub odnośniki do zasobów w JSON

Pole	Typ	Wymaganie	Wartości i limity	Domyślnie
Pole`model`	Typ`string`	WymaganieWymagane	Wartości i limity gemini-3.8-flash-lite-tts	Domyślnie—
Pole`input`	Typ`string`	WymaganieWymagane	Wartości i limity Minimalna długość: 1	Domyślnie—
Pole`voice`	Typ`string`	WymaganieOpcjonalne	Wartości i limity 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	DomyślnieKore
Pole`response_format`	Typ`string`	WymaganieOpcjonalne	Wartości i limity , wav, json	Domyślnie
Pole`stream_format`	Typ`string`	WymaganieOpcjonalne	Wartości i limity audio	Domyślnie—

Kombinacje materiałów wejściowych

text_to_speech · Wymagane: input

Parametry i cykl życia metody

Parametr	Kontrakt
Parametr`material_types`	Kontrakttext
Parametr`required`	Kontraktnull
Parametr`optional_controls`	Kontraktnull

Cykl życia: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.

Cennik

Stawki metod Ailoot

Ailoot Synteza mowyPOST /v1/audio/speech

Wejście: 0,0005 USD / 1K
Wyjście: 0,006 USD / 1K
Odczyt cache: 0,000125 USD / 1K

Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →

Przykładowe żądania

Ailoot · Synteza mowy

Przykład mowy

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

Odbieranie i zapisywanie wyników

Ailoot · Synteza mowy

bajty dźwięku w formacie natywnym lub odnośniki do zasobów w JSON

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

Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Pojedynczy wynik domyślnie zwracany jest jako natywne bajty dźwięku z rzeczywistym Content-Type; przy response_format=json lub wielu wynikach zwracane są wszystkie odnośniki należące do użytkownika. Żądana konwersja do MP3/Opus/AAC/FLAC/PCM oraz SSE nie są obsługiwane.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj pierwotny operation_id/X-Client-Request-ID do uzgodnienia danych bez ponownego wysyłania żądania; brak osobnej ścieżki API do cyklicznego sprawdzania stanu audio.

Pola odpowiedzi

Pole	Typ
Pole`binary native audio`	Typbytes
Pole`model`	Typstring
Pole`response_id`	Typstring
Pole`actual_count`	Typinteger
Pole`data[]`	Typowned audio asset link

Błędy i dalsze kroki

Odpowiedź	Warunek	Następny krok
Odpowiedź400 · `invalid_request_error`	WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru	Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia.
Odpowiedź`server_error`	WarunekZwrócona odpowiedź wskazuje, że operacja lub wynik wymaga sprawdzenia	Następny krokZachowaj pierwotnie zwrócony identyfikator operacji lub zadania, nagłówki żądania i odpowiedź; kontynuuj obsługiwane odczyty tej pierwotnej operacji. Nie wysyłaj ponownie żądania utworzenia.

Aliasy

Aliasy modelu

Ailoot gemini-3.8-flash-lite-tts

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Jakie dane wejściowe i wyniki są dostępne?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Jakich pól używa żądanie?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Jakie limity obowiązują?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts