{ "aboutHtml": "

Google Gemini 3.8 Flash-Lite TTS to wariant rodziny syntezy mowy 3.8 firmy Google ukierunkowany na przepustowość. Przyjmuje pisemny scenariusz i generuje nagrania mowy. Google przeznacza go do funkcji odczytywania, codziennej narracji z jednym mówcą, produkcji dużej ilości audio oraz etapu generowania mowy w systemach agentów głosowych. Przydatnym rezultatem jest artykuł odczytany spójnym głosem, mówione objaśnienie produktu lub zestaw krótkich nagrań instruktażowych. Scenariusz powinien już zawierać słowa, które słuchacz ma usłyszeć.

Rodzina 3.8 oddziela transkrypt od wskazówek wykonawczych. Zachowaj dosłowny tekst mówiony, a emocje, tempo, głośność lub styl utrzymywane przez całą wypowiedź umieść w metadanych mowy. Ciepłe powitanie, pilna instrukcja i ciche zakończenie mogą mieć krótki opis stylu przypisany do własnej tury. Tekst taki jak „Powiedz radośnie” w transkrypcie może sam zostać wypowiedziany. Imiona mówców należą do metadanych mówcy, a nie do etykiet w słyszalnym scenariuszu. Takie przygotowanie jest szczególnie ważne przy ponownym użyciu promptów napisanych dla Gemini 3.1 Flash TTS.

Używaj znaczników w nawiasach ostrych wewnątrz tekstu do krótkich zdarzeń w konkretnym miejscu: oddechu, śmiechu, kaszlu, westchnienia lub pauzy. Na przykład transkrypt „Następny krok jest prosty. <short pause> Wybierz preferowany język” umieszcza zamierzoną pauzę obok słów, na które wpływa. Utrzymywany szept umieść w opisie stylu, zamiast wielokrotnie dodawać znaczniki zdarzeń. Google zaleca angielskie nazwy znaczników także w scenariuszach w innych językach. Te ustawienia kierują głosem; ścieżka oklasków lub trzask drzwi wymaga osobnej produkcji dźwięku zamiast znacznika zdarzenia wokalnego.

Google wymienia 101 obsługiwanych języków dla tej edycji, w tym angielski, rosyjski, chiński, japoński, koreański, francuski, niemiecki, hiszpański, indonezyjski i wietnamski. Napisz gotowy scenariusz w zamierzonym języku, uwzględniając pożądaną postać nazw, skrótów i liczb. W ramach przygotowania redakcyjnego rozwiń niejednoznaczny skrót lub zapisz zamierzony odczyt liczby, gdy słuchacz musi usłyszeć jedną konkretną formę. Odsłuchaj początkowy fragment zawierający trudne nazwy i przejścia, zanim uznasz długie nagranie za ukończone. Liczba języków nie oznacza, że wszystkie regionalne wymowy są wymienne.

Producent obsługuje gotowe głosy, rozszerzoną bibliotekę głosów, zaprojektowane persony głosowe i replikację głosu. Wybieraj tożsamość głosu osobno od tymczasowych wskazówek aktorskich. Używaj tej samej tożsamości i zwięzłego opisu wypowiedzi między sekcjami, gdy narracja ma pozostać spójna. W udokumentowanej konfiguracji dwóch mówców przypisz każdej turze jawnego mówcę zgodnego z jednym z dwóch skonfigurowanych gotowych głosów. Przewodnik Google realizuje sceny z wieloma postaciami o zaprojektowanych lub replikowanych głosach przez generowanie poszczególnych tur. To rozróżnienie ma znaczenie przy planowaniu dialogu zamiast jednego narratora.

Dla zwykłych ukończonych żądań przewodnik Google 3.8 określa audio WAV z nagłówkiem RIFF, zawierające 24 kHz mono, 16-bitowy PCM ze znakiem w kolejności little-endian. Konfiguracja strumieniowa domyślnie zwraca natomiast surowe fragmenty PCM bez nagłówka; przewodnik dokumentuje także opcje kodowania surowego liniowego PCM, mu-law i A-law. Dopasuj ustawienia odtwarzania lub edycji do rzeczywistego formatu wyjścia. Zmiana rozszerzenia PCM bez nagłówka na WAV nie dodaje informacji kontenera. Przy składaniu osobno wygenerowanych tur zachowaj spójny format dźwięku i traktuj każdy kompletny WAV jako plik z własnym nagłówkiem.

Dokładna strona modelu podaje limity Gemini API: 8,192 tokenów wejściowych i 16,384 tokenów wyjściowych. Tokeny audio nie określają stałej liczby sekund mowy. Przygotuj długi materiał w znaczących sekcjach, zachowując ten sam głos i opis stylu oraz odsłuchując łączenia. Są to udokumentowane przez producenta limity obsługi tego modelu; opisują inną wielkość niż ogólne pole kontekstu w katalogu. Wejściem jest tekst, a wyjściem audio, więc pisanie scenariusza, tłumaczenie i transkrypcja są osobnymi zadaniami przygotowawczymi lub następczymi.

Flash-Lite współdzieli strukturę żądań 3.8 z Gemini 3.8 Flash TTS. Praktyczny wybór zależy od wymaganego sposobu wypowiedzi: Flash-Lite jest przeznaczony do szybkiej, powtarzalnej produkcji, a Flash TTS stanowi kreatywny wariant do trudnej wymowy, subtelnej gry aktorskiej i szerszej obsługi dialektów. Rutynowy artykuł pomocy i dramatyczna scena dwóch postaci stawiają różne wymagania głosowi. Sprawdź rzeczywiste nagranie pod kątem pominiętych lub powtórzonych słów, wymowy, tempa i słyszalnych zmian między segmentami przed użyciem go w końcowym materiale do odsłuchu.

", "aboutText": "Google Gemini 3.8 Flash-Lite TTS to wariant rodziny syntezy mowy 3.8 firmy Google ukierunkowany na przepustowość. Przyjmuje pisemny scenariusz i generuje nagrania mowy. Google przeznacza go do funkcji odczytywania, codziennej narracji z jednym mówcą, produkcji dużej ilości audio oraz etapu generowania mowy w systemach agentów głosowych. Przydatnym rezultatem jest artykuł odczytany spójnym głosem, mówione objaśnienie produktu lub zestaw krótkich nagrań instruktażowych. Scenariusz powinien już zawierać słowa, które słuchacz ma usłyszeć.\n\nRodzina 3.8 oddziela transkrypt od wskazówek wykonawczych. Zachowaj dosłowny tekst mówiony, a emocje, tempo, głośność lub styl utrzymywane przez całą wypowiedź umieść w metadanych mowy. Ciepłe powitanie, pilna instrukcja i ciche zakończenie mogą mieć krótki opis stylu przypisany do własnej tury. Tekst taki jak „Powiedz radośnie” w transkrypcie może sam zostać wypowiedziany. Imiona mówców należą do metadanych mówcy, a nie do etykiet w słyszalnym scenariuszu. Takie przygotowanie jest szczególnie ważne przy ponownym użyciu promptów napisanych dla Gemini 3.1 Flash TTS.\n\nUżywaj znaczników w nawiasach ostrych wewnątrz tekstu do krótkich zdarzeń w konkretnym miejscu: oddechu, śmiechu, kaszlu, westchnienia lub pauzy. Na przykład transkrypt „Następny krok jest prosty. Wybierz preferowany język” umieszcza zamierzoną pauzę obok słów, na które wpływa. Utrzymywany szept umieść w opisie stylu, zamiast wielokrotnie dodawać znaczniki zdarzeń. Google zaleca angielskie nazwy znaczników także w scenariuszach w innych językach. Te ustawienia kierują głosem; ścieżka oklasków lub trzask drzwi wymaga osobnej produkcji dźwięku zamiast znacznika zdarzenia wokalnego.\n\nGoogle wymienia 101 obsługiwanych języków dla tej edycji, w tym angielski, rosyjski, chiński, japoński, koreański, francuski, niemiecki, hiszpański, indonezyjski i wietnamski. Napisz gotowy scenariusz w zamierzonym języku, uwzględniając pożądaną postać nazw, skrótów i liczb. W ramach przygotowania redakcyjnego rozwiń niejednoznaczny skrót lub zapisz zamierzony odczyt liczby, gdy słuchacz musi usłyszeć jedną konkretną formę. Odsłuchaj początkowy fragment zawierający trudne nazwy i przejścia, zanim uznasz długie nagranie za ukończone. Liczba języków nie oznacza, że wszystkie regionalne wymowy są wymienne.\n\nProducent obsługuje gotowe głosy, rozszerzoną bibliotekę głosów, zaprojektowane persony głosowe i replikację głosu. Wybieraj tożsamość głosu osobno od tymczasowych wskazówek aktorskich. Używaj tej samej tożsamości i zwięzłego opisu wypowiedzi między sekcjami, gdy narracja ma pozostać spójna. W udokumentowanej konfiguracji dwóch mówców przypisz każdej turze jawnego mówcę zgodnego z jednym z dwóch skonfigurowanych gotowych głosów. Przewodnik Google realizuje sceny z wieloma postaciami o zaprojektowanych lub replikowanych głosach przez generowanie poszczególnych tur. To rozróżnienie ma znaczenie przy planowaniu dialogu zamiast jednego narratora.\n\nDla zwykłych ukończonych żądań przewodnik Google 3.8 określa audio WAV z nagłówkiem RIFF, zawierające 24 kHz mono, 16-bitowy PCM ze znakiem w kolejności little-endian. Konfiguracja strumieniowa domyślnie zwraca natomiast surowe fragmenty PCM bez nagłówka; przewodnik dokumentuje także opcje kodowania surowego liniowego PCM, mu-law i A-law. Dopasuj ustawienia odtwarzania lub edycji do rzeczywistego formatu wyjścia. Zmiana rozszerzenia PCM bez nagłówka na WAV nie dodaje informacji kontenera. Przy składaniu osobno wygenerowanych tur zachowaj spójny format dźwięku i traktuj każdy kompletny WAV jako plik z własnym nagłówkiem.\n\nDokładna strona modelu podaje limity Gemini API: 8,192 tokenów wejściowych i 16,384 tokenów wyjściowych. Tokeny audio nie określają stałej liczby sekund mowy. Przygotuj długi materiał w znaczących sekcjach, zachowując ten sam głos i opis stylu oraz odsłuchując łączenia. Są to udokumentowane przez producenta limity obsługi tego modelu; opisują inną wielkość niż ogólne pole kontekstu w katalogu. Wejściem jest tekst, a wyjściem audio, więc pisanie scenariusza, tłumaczenie i transkrypcja są osobnymi zadaniami przygotowawczymi lub następczymi.\n\nFlash-Lite współdzieli strukturę żądań 3.8 z Gemini 3.8 Flash TTS. Praktyczny wybór zależy od wymaganego sposobu wypowiedzi: Flash-Lite jest przeznaczony do szybkiej, powtarzalnej produkcji, a Flash TTS stanowi kreatywny wariant do trudnej wymowy, subtelnej gry aktorskiej i szerszej obsługi dialektów. Rutynowy artykuł pomocy i dramatyczna scena dwóch postaci stawiają różne wymagania głosowi. Sprawdź rzeczywiste nagranie pod kątem pominiętych lub powtórzonych słów, wymowy, tempa i słyszalnych zmian między segmentami przed użyciem go w końcowym materiale do odsłuchu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7fca8a4aa599122657fb2c9c4a3c3355ddfea2f292a59b9c13daf27ea1abb866", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "
G

Google: Gemini 3.8 Flash Lite TTS

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

Start

Google Gemini 3.8 Flash-Lite TTS przekształca dokładne scenariusze w mowę do funkcji odczytywania, rutynowej narracji i dużych ilości treści mówionych. Obsługuje 101 języków, wybór głosów i sterowanie sposobem wypowiedzi przez osobne metadane stylu, ze znacznikami w tekście dla krótkich pauz i zdarzeń wokalnych.

Akceptowane dane wejściowe
Tekst
Wyniki
Audio
O modelu

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

Google Gemini 3.8 Flash-Lite TTS to wariant rodziny syntezy mowy 3.8 firmy Google ukierunkowany na przepustowość. Przyjmuje pisemny scenariusz i generuje nagrania mowy. Google przeznacza go do funkcji odczytywania, codziennej narracji z jednym mówcą, produkcji dużej ilości audio oraz etapu generowania mowy w systemach agentów głosowych. Przydatnym rezultatem jest artykuł odczytany spójnym głosem, mówione objaśnienie produktu lub zestaw krótkich nagrań instruktażowych. Scenariusz powinien już zawierać słowa, które słuchacz ma usłyszeć.

Rodzina 3.8 oddziela transkrypt od wskazówek wykonawczych. Zachowaj dosłowny tekst mówiony, a emocje, tempo, głośność lub styl utrzymywane przez całą wypowiedź umieść w metadanych mowy. Ciepłe powitanie, pilna instrukcja i ciche zakończenie mogą mieć krótki opis stylu przypisany do własnej tury. Tekst taki jak „Powiedz radośnie” w transkrypcie może sam zostać wypowiedziany. Imiona mówców należą do metadanych mówcy, a nie do etykiet w słyszalnym scenariuszu. Takie przygotowanie jest szczególnie ważne przy ponownym użyciu promptów napisanych dla Gemini 3.1 Flash TTS.

Używaj znaczników w nawiasach ostrych wewnątrz tekstu do krótkich zdarzeń w konkretnym miejscu: oddechu, śmiechu, kaszlu, westchnienia lub pauzy. Na przykład transkrypt „Następny krok jest prosty. <short pause> Wybierz preferowany język” umieszcza zamierzoną pauzę obok słów, na które wpływa. Utrzymywany szept umieść w opisie stylu, zamiast wielokrotnie dodawać znaczniki zdarzeń. Google zaleca angielskie nazwy znaczników także w scenariuszach w innych językach. Te ustawienia kierują głosem; ścieżka oklasków lub trzask drzwi wymaga osobnej produkcji dźwięku zamiast znacznika zdarzenia wokalnego.

Google wymienia 101 obsługiwanych języków dla tej edycji, w tym angielski, rosyjski, chiński, japoński, koreański, francuski, niemiecki, hiszpański, indonezyjski i wietnamski. Napisz gotowy scenariusz w zamierzonym języku, uwzględniając pożądaną postać nazw, skrótów i liczb. W ramach przygotowania redakcyjnego rozwiń niejednoznaczny skrót lub zapisz zamierzony odczyt liczby, gdy słuchacz musi usłyszeć jedną konkretną formę. Odsłuchaj początkowy fragment zawierający trudne nazwy i przejścia, zanim uznasz długie nagranie za ukończone. Liczba języków nie oznacza, że wszystkie regionalne wymowy są wymienne.

Producent obsługuje gotowe głosy, rozszerzoną bibliotekę głosów, zaprojektowane persony głosowe i replikację głosu. Wybieraj tożsamość głosu osobno od tymczasowych wskazówek aktorskich. Używaj tej samej tożsamości i zwięzłego opisu wypowiedzi między sekcjami, gdy narracja ma pozostać spójna. W udokumentowanej konfiguracji dwóch mówców przypisz każdej turze jawnego mówcę zgodnego z jednym z dwóch skonfigurowanych gotowych głosów. Przewodnik Google realizuje sceny z wieloma postaciami o zaprojektowanych lub replikowanych głosach przez generowanie poszczególnych tur. To rozróżnienie ma znaczenie przy planowaniu dialogu zamiast jednego narratora.

Dla zwykłych ukończonych żądań przewodnik Google 3.8 określa audio WAV z nagłówkiem RIFF, zawierające 24 kHz mono, 16-bitowy PCM ze znakiem w kolejności little-endian. Konfiguracja strumieniowa domyślnie zwraca natomiast surowe fragmenty PCM bez nagłówka; przewodnik dokumentuje także opcje kodowania surowego liniowego PCM, mu-law i A-law. Dopasuj ustawienia odtwarzania lub edycji do rzeczywistego formatu wyjścia. Zmiana rozszerzenia PCM bez nagłówka na WAV nie dodaje informacji kontenera. Przy składaniu osobno wygenerowanych tur zachowaj spójny format dźwięku i traktuj każdy kompletny WAV jako plik z własnym nagłówkiem.

Dokładna strona modelu podaje limity Gemini API: 8,192 tokenów wejściowych i 16,384 tokenów wyjściowych. Tokeny audio nie określają stałej liczby sekund mowy. Przygotuj długi materiał w znaczących sekcjach, zachowując ten sam głos i opis stylu oraz odsłuchując łączenia. Są to udokumentowane przez producenta limity obsługi tego modelu; opisują inną wielkość niż ogólne pole kontekstu w katalogu. Wejściem jest tekst, a wyjściem audio, więc pisanie scenariusza, tłumaczenie i transkrypcja są osobnymi zadaniami przygotowawczymi lub następczymi.

Flash-Lite współdzieli strukturę żądań 3.8 z Gemini 3.8 Flash TTS. Praktyczny wybór zależy od wymaganego sposobu wypowiedzi: Flash-Lite jest przeznaczony do szybkiej, powtarzalnej produkcji, a Flash TTS stanowi kreatywny wariant do trudnej wymowy, subtelnej gry aktorskiej i szerszej obsługi dialektów. Rutynowy artykuł pomocy i dramatyczna scena dwóch postaci stawiają różne wymagania głosowi. Sprawdź rzeczywiste nagranie pod kątem pominiętych lub powtórzonych słów, wymowy, tempa i słyszalnych zmian między segmentami przed użyciem go w końcowym materiale do odsłuchu.

Dostępne w Ailoot · dane wejściowe i metody

Ailoot Ultra · Mowa POST /v1/audio/speech
Wejście
text
Wyjście
audio
PoleTypWymaganieWartości i limityDomyślnie
PolemodelTypstringWymaganieWymaganeWartości i limity
google/gemini-3.8-flash-lite-tts
Domyślnie—
PoleinputTypstringWymaganieWymaganeWartości i limity
Minimalna długość: 1
Domyślnie—
PolevoiceTypstringWymaganieWymaganeWartości i limity
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
Minimalna długość: 1
Domyślnie—
Poleresponse_formatTypstringWymaganieOpcjonalneWartości i limity
mp3, pcm
Domyślniepcm
PoleproviderTypobjectWymaganieOpcjonalneWartości i limityDomyślnie—
Parametry i cykl życia metody
ParametrKontrakt
Parametrcontent_typeKontraktapplication/json
ParametrrequiredKontraktmodel, input, voice
Parametrmaterial_typesKontrakttext

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}

Cennik

Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.

Tryb szybki
Nie określono Gdy wybrany jest tryb szybki
Tryb flex
Nie określono Gdy wybrany jest tryb flex
Maksymalna intensywność rozumowania
Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default)

Stawki Ailoot

Ceny według konfiguracji

Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.

KonfiguracjaTabela stawekJednostka rozliczeniowaOpłata
KonfiguracjaBazowe stawki za tokenyTabela stawekStawka podstawowaJednostka rozliczeniowa—Opłata
Wejście · Tokeny wejściowe — / 1K tokenów
Wyjście · Tokeny wyjściowe — / 1K tokenów
Wejście · Odczyt cache — / 1K tokenów
Wejście · Zapis do cache — / 1K tokenów
Wejście · Zapis do cache, 1 godz. — / 1K tokenów
Konfiguracjatoken wejściowyTabela stawek—Jednostka rozliczeniowa/ 1K tokenówOpłata
Wejście $0.001 / 1K tokenów
Konfiguracjatoken wyjściowyTabela stawek—Jednostka rozliczeniowa/ 1K tokenówOpłata
Wyjście $0.012 / 1K tokenów

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 Ultra · Mowa

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n

Odbieranie i zapisywanie wyników

Ailoot Ultra · Mowa

Kompletne binarne dane dźwiękowe lub oryginalna odpowiedź audio_url, nagłówki i każdy zasób należący do użytkownika.

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
Inne odczyty treści
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n
Zachowaj wszystkie ukończone wyniki

Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.

Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.

Jeśli trzeba sprawdzić pierwotną odpowiedź

Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia.

Aliasy

Aliasy modelu

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

Aliasy ścieżek metod

Użyj ścieżek metod podanych powyżej.

Powiązane ID modeli

google/gemini-3.8-flash-lite-tts

", "method_identity": { "effective_request_model_id": "google/gemini-3.8-flash-lite-tts", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|google%2Fgemini-3.8-flash-lite-tts", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia." }, "outputs": { "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Kompletne binarne dane dźwiękowe lub oryginalna odpowiedź audio_url, nagłówki i każdy zasób należący do użytkownika." }, "parameters": [ { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "input", "required": true, "type": "string" }, { "enum": [ "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" ], "enum_known": true, "min_length": 1, "name": "voice", "required": true, "type": "string" }, { "default": "pcm", "default_known": true, "enum": [ "mp3", "pcm" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input": { "minLength": 1, "type": "string" }, "model": { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "type": "string" }, "provider": { "description": "Documented speech data policy and provider-specific options.", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "pcm", "enum": [ "mp3", "pcm" ], "type": "string" }, "voice": { "enum": [ "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" ], "minLength": 1, "type": "string" } }, "required": [ "model", "input", "voice" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "${ACTUAL_INPUT_TEXT}", "model": "google/gemini-3.8-flash-lite-tts", "voice": "Zephyr" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text" ], "required": [ "model", "input", "voice" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Complete binary audio or original audio_url response, headers and every owned asset." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_INPUT_TEXT:?Set the actual documented input value}\"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Mowa", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_speech", "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 1e-06, "output_token": 1.2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } } ], "model_id": "google/gemini-3.8-flash-lite-tts", "nativeProvenance": { "input_facts_canonical_sha256": "e5b7c3fc6e4f70ce84858efbd08d5c3005d9a2370efaee9d5a122c4e08f303ac", "input_html_sha256": "8bd25845acd7537f081757dae3844b4ecc04e9c8565b0b7b44d94b8d8a728009", "private_audit_sha256": "6f53ff35a14b9c80cdf67107aac5f28a9ad25a2a43e920af23147e639df76812", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/pl/google-gemini-3-8-flash-lite-tts/", "description": "Google Gemini 3.8 Flash-Lite TTS przekształca dokładne scenariusze w mowę do funkcji odczytywania, rutynowej narracji i dużych ilości treści mówionych. Obsługuje 101 języków, wybór głosów i sterowanie sposobem wypowiedzi przez osobne metadane stylu, ze znacznikami w tekście dla krótkich pauz i zdarzeń wokalnych.", "locale": "pl", "md_url": "https://ailoot.ai/models/pl/google-gemini-3-8-flash-lite-tts/index.md", "title": "Google: Gemini 3.8 Flash Lite TTS — Ailoot", "url": "https://ailoot.ai/models/pl/google-gemini-3-8-flash-lite-tts/" }, "rawModel": { "about": "Google Gemini 3.8 Flash-Lite TTS to wariant rodziny syntezy mowy 3.8 firmy Google ukierunkowany na przepustowość. Przyjmuje pisemny scenariusz i generuje nagrania mowy. Google przeznacza go do funkcji odczytywania, codziennej narracji z jednym mówcą, produkcji dużej ilości audio oraz etapu generowania mowy w systemach agentów głosowych. Przydatnym rezultatem jest artykuł odczytany spójnym głosem, mówione objaśnienie produktu lub zestaw krótkich nagrań instruktażowych. Scenariusz powinien już zawierać słowa, które słuchacz ma usłyszeć.\n\nRodzina 3.8 oddziela transkrypt od wskazówek wykonawczych. Zachowaj dosłowny tekst mówiony, a emocje, tempo, głośność lub styl utrzymywane przez całą wypowiedź umieść w metadanych mowy. Ciepłe powitanie, pilna instrukcja i ciche zakończenie mogą mieć krótki opis stylu przypisany do własnej tury. Tekst taki jak „Powiedz radośnie” w transkrypcie może sam zostać wypowiedziany. Imiona mówców należą do metadanych mówcy, a nie do etykiet w słyszalnym scenariuszu. Takie przygotowanie jest szczególnie ważne przy ponownym użyciu promptów napisanych dla Gemini 3.1 Flash TTS.\n\nUżywaj znaczników w nawiasach ostrych wewnątrz tekstu do krótkich zdarzeń w konkretnym miejscu: oddechu, śmiechu, kaszlu, westchnienia lub pauzy. Na przykład transkrypt „Następny krok jest prosty. Wybierz preferowany język” umieszcza zamierzoną pauzę obok słów, na które wpływa. Utrzymywany szept umieść w opisie stylu, zamiast wielokrotnie dodawać znaczniki zdarzeń. Google zaleca angielskie nazwy znaczników także w scenariuszach w innych językach. Te ustawienia kierują głosem; ścieżka oklasków lub trzask drzwi wymaga osobnej produkcji dźwięku zamiast znacznika zdarzenia wokalnego.\n\nGoogle wymienia 101 obsługiwanych języków dla tej edycji, w tym angielski, rosyjski, chiński, japoński, koreański, francuski, niemiecki, hiszpański, indonezyjski i wietnamski. Napisz gotowy scenariusz w zamierzonym języku, uwzględniając pożądaną postać nazw, skrótów i liczb. W ramach przygotowania redakcyjnego rozwiń niejednoznaczny skrót lub zapisz zamierzony odczyt liczby, gdy słuchacz musi usłyszeć jedną konkretną formę. Odsłuchaj początkowy fragment zawierający trudne nazwy i przejścia, zanim uznasz długie nagranie za ukończone. Liczba języków nie oznacza, że wszystkie regionalne wymowy są wymienne.\n\nProducent obsługuje gotowe głosy, rozszerzoną bibliotekę głosów, zaprojektowane persony głosowe i replikację głosu. Wybieraj tożsamość głosu osobno od tymczasowych wskazówek aktorskich. Używaj tej samej tożsamości i zwięzłego opisu wypowiedzi między sekcjami, gdy narracja ma pozostać spójna. W udokumentowanej konfiguracji dwóch mówców przypisz każdej turze jawnego mówcę zgodnego z jednym z dwóch skonfigurowanych gotowych głosów. Przewodnik Google realizuje sceny z wieloma postaciami o zaprojektowanych lub replikowanych głosach przez generowanie poszczególnych tur. To rozróżnienie ma znaczenie przy planowaniu dialogu zamiast jednego narratora.\n\nDla zwykłych ukończonych żądań przewodnik Google 3.8 określa audio WAV z nagłówkiem RIFF, zawierające 24 kHz mono, 16-bitowy PCM ze znakiem w kolejności little-endian. Konfiguracja strumieniowa domyślnie zwraca natomiast surowe fragmenty PCM bez nagłówka; przewodnik dokumentuje także opcje kodowania surowego liniowego PCM, mu-law i A-law. Dopasuj ustawienia odtwarzania lub edycji do rzeczywistego formatu wyjścia. Zmiana rozszerzenia PCM bez nagłówka na WAV nie dodaje informacji kontenera. Przy składaniu osobno wygenerowanych tur zachowaj spójny format dźwięku i traktuj każdy kompletny WAV jako plik z własnym nagłówkiem.\n\nDokładna strona modelu podaje limity Gemini API: 8,192 tokenów wejściowych i 16,384 tokenów wyjściowych. Tokeny audio nie określają stałej liczby sekund mowy. Przygotuj długi materiał w znaczących sekcjach, zachowując ten sam głos i opis stylu oraz odsłuchując łączenia. Są to udokumentowane przez producenta limity obsługi tego modelu; opisują inną wielkość niż ogólne pole kontekstu w katalogu. Wejściem jest tekst, a wyjściem audio, więc pisanie scenariusza, tłumaczenie i transkrypcja są osobnymi zadaniami przygotowawczymi lub następczymi.\n\nFlash-Lite współdzieli strukturę żądań 3.8 z Gemini 3.8 Flash TTS. Praktyczny wybór zależy od wymaganego sposobu wypowiedzi: Flash-Lite jest przeznaczony do szybkiej, powtarzalnej produkcji, a Flash TTS stanowi kreatywny wariant do trudnej wymowy, subtelnej gry aktorskiej i szerszej obsługi dialektów. Rutynowy artykuł pomocy i dramatyczna scena dwóch postaci stawiają różne wymagania głosowi. Sprawdź rzeczywiste nagranie pod kątem pominiętych lub powtórzonych słów, wymowy, tempa i słyszalnych zmian między segmentami przed użyciem go w końcowym materiale do odsłuchu.", "alias_of": null, "aliases": [], "author": "Google", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Pełny cennik konfiguracji w szczegółach." } ], "ctx": null, "formats": [ "speech" ], "id": "google/gemini-3.8-flash-lite-tts", "input": [ "text" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Zachowaj zwrócony X-Client-Request-ID do uzgodnienia danych. Odczytuj wyłącznie rzeczywiście zwrócone wartości task_id/asset_id lub własną bibliotekę multimediów; nigdy nie buduj adresu URL zadania na podstawie identyfikatora operacji i nigdy nie wysyłaj ponownie żądania utworzenia." }, "outputs": { "all_results": "Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Kompletne binarne dane dźwiękowe lub oryginalna odpowiedź audio_url, nagłówki i każdy zasób należący do użytkownika." }, "parameters": [ { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "input", "required": true, "type": "string" }, { "enum": [ "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" ], "enum_known": true, "min_length": 1, "name": "voice", "required": true, "type": "string" }, { "default": "pcm", "default_known": true, "enum": [ "mp3", "pcm" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input": { "minLength": 1, "type": "string" }, "model": { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "type": "string" }, "provider": { "description": "Documented speech data policy and provider-specific options.", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "pcm", "enum": [ "mp3", "pcm" ], "type": "string" }, "voice": { "enum": [ "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" ], "minLength": 1, "type": "string" } }, "required": [ "model", "input", "voice" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "${ACTUAL_INPUT_TEXT}", "model": "google/gemini-3.8-flash-lite-tts", "voice": "Zephyr" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text" ], "required": [ "model", "input", "voice" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Rzeczywiście zwrócony task_id lub wpis w bibliotece multimediów", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Complete binary audio or original audio_url response, headers and every owned asset." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_INPUT_TEXT:?Set the actual documented input value}\"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}\nrequest['input']=os.environ['AILOOT_INPUT_TEXT']\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Mowa", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_speech", "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 1e-06, "output_token": 1.2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "model_aliases": [ { "canonical_model_id": "google/gemini-3.8-flash-lite-tts", "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra" } ], "name": "Google: Gemini 3.8 Flash Lite TTS", "price": { "in": null, "in_label": null, "out": 0.012, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.012, "varies": true }, "short": "Google Gemini 3.8 Flash-Lite TTS przekształca dokładne scenariusze w mowę do funkcji odczytywania, rutynowej narracji i dużych ilości treści mówionych. Obsługuje 101 języków, wybór głosów i sterowanie sposobem wypowiedzi przez osobne metadane stylu, ze znacznikami w tekście dla krótkich pauz i zdarzeń wokalnych." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Google Gemini 3.8 Flash-Lite TTS przekształca dokładne scenariusze w mowę do funkcji odczytywania, rutynowej narracji i dużych ilości treści mówionych. Obsługuje 101 języków, wybór głosów i sterowanie sposobem wypowiedzi przez osobne metadane stylu, ze znacznikami w tekście dla krótkich pauz i zdarzeń wokalnych.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "8ce07636dfc66e47e74e859dbccecb491db1e1a000e5efc6570236437e1fd431", "renderer_sha256": "1217dcf19a93e99ac1d6fd7bf974dc19adc12fea4bd4470c2601f04e48f688cb" }, "sourceRevision": "0e97fadfb923a8188295bde635c21db4801610cbdea8d768798a7b7b092621c5" }