Gemini 3.8 Flash Lite Tts
Modelo de voz da Google para converter textos, intervenções sequenciais e cenários de voz em fala em grande escala, em 101 línguas.
Sobre o modelo
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.8 Flash-Lite TTS foi concebido para um grande número de operações de voz: leitura de texto, conversão de intervenções sequenciais em fala e cenários de voz quotidianos. Segundo a Google, o seu perfil é de baixa latência e processamento eficiente em grande escala.
Escolha da voz
O modelo suporta 101 línguas, incluindo russo. As opções incluem 30 vozes predefinidas, uma biblioteca alargada, criação de uma identidade vocal e reprodução de uma voz a partir de uma amostra. A voz, o estilo e a intervenção a pronunciar são definidos separadamente, pelo que o texto a converter em fala não precisa de ser misturado com a descrição do estilo de leitura.
Flash-Lite utiliza o mesmo formato de controlo de fala que Gemini 3.8 Flash TTS. Num diálogo, as intervenções são atribuídas a intervenientes específicos. O número de vozes predefinidas num pedido com várias vozes está limitado a duas; vozes criadas a partir de descrição ou amostra são utilizadas em intervenções de voz separadas.
O que é recebido na entrada
A entrada recebe texto de até 8 192 tokens, e a saída cria áudio com um limite de 16 384 tokens. As configurações de leitura controlam o estilo de interpretação, enquanto eventos vocais breves e pausas são definidos por etiquetas de áudio especiais no texto. Trata-se de síntese de fala de uma intervenção definida, em vez de geração de uma resposta textual a uma pergunta.
Formatos e processamento
A resposta comum utiliza WAV por predefinição. O formato predefinido de transmissão em fluxo é PCM sem cabeçalho. Os parâmetros de áudio de origem são 24 kHz, um canal e 16 bits. O fabricante prevê também PCM, mu-law e A-law. São suportados cache de contexto e processamento em lote. As capacidades do formato de áudio devem ser consideradas separadamente da forma efetiva de obter o ficheiro no método de voz escolhido.
Limites do modelo
Esta versão não anuncia Thinking, chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação através de pesquisa, Google Maps, respostas textuais estruturadas, criação de imagens nem utilização do conteúdo de endereços Web. A sua finalidade é converter rapidamente material preparado em fala.
A orientação para baixa latência não estabelece um prazo de conclusão para todos os pedidos. A cobertura linguística, as formas de escolher a voz e o controlo da interpretação descrevem as capacidades do próprio modelo e não implicam disponibilidade automática de todas as configurações em qualquer método de voz.
Ailoot · Síntese de voz POST /v1/audio/speech gemini-3.8-flash-lite-tts
gemini-3.8-flash-lite-ttsIntrodução
Modelo de voz da Google para converter textos, intervenções sequenciais e cenários de voz em fala em grande escala, em 101 línguas.
- Entradas aceites
- Texto
- Resultados
- Áudio
Disponível no Ailoot · entradas e métodos
Ailoot · Síntese de voz POST /v1/audio/speech
- Entrada
text- Saída
audio- Contexto
- 8192 tokens
- Saída máxima
- 16 384 tokens
- Formato de saída
- bytes de áudio nativo ou ligações JSON para recursos
| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.8-flash-lite-tts | Predefinição— |
Campoinput | Tipostring | RequisitoObrigatório | Valores e limites Comprimento mínimo: 1 | Predefinição— |
Campovoice | Tipostring | RequisitoOpcional | Valores e limites 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 | PredefiniçãoKore |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores e limites , wav, json | Predefinição |
Campostream_format | Tipostring | RequisitoOpcional | Valores e limites audio | Predefinição— |
Combinações de materiais de entrada
text_to_speech · Obrigatório: input
Parâmetros e ciclo de vida do método
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext |
Parâmetrorequired | Contratonull |
Parâmetrooptional_controls | Contratonull |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
Tarifários
Tarifas dos métodos Ailoot
POST /v1/audio/speech- Entrada
- 0,0005 US$ / 1K
- Saída
- 0,006 US$ / 1K
- Leitura da cache
- 0,000125 US$ / 1K
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
Exemplos de pedidos
Ailoot · Síntese de voz
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
Receber e guardar os resultados
Ailoot · Síntese de voz
bytes de áudio nativo ou ligações JSON para recursos
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Guardar todos os resultados concluídos
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Uma única saída utiliza, por predefinição, bytes de áudio nativo com o Content-Type real; response_format=json ou várias saídas devolvem todas as ligações pertencentes ao utilizador. Sem conversão solicitada para MP3/Opus/AAC/FLAC/PCM nem SSE.
Se for necessário verificar a resposta original
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
Campos da resposta
| Campo | Tipo |
|---|---|
Campobinary native audio | Tipobytes |
Campomodel | Tipostring |
Camporesponse_id | Tipostring |
Campoactual_count | Tipointeger |
Campodata[] | Tipoowned audio asset link |
Erros e passos seguintes
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Aliases
Aliases do modelo
Ailoot gemini-3.8-flash-lite-tts
Aliases dos caminhos dos métodos
Use os caminhos dos métodos indicados acima.
IDs de chamada relacionados
FAQ · Gemini 3.8 Flash Lite Tts
- Que entradas e resultados estão disponíveis?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:text→audio- Que campos utiliza o pedido?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:model,input,voice,response_format,stream_format- Que limites se aplicam?
POST /v1/audio/speech·gemini-3.8-flash-lite-tts:ctx:8192;max_out:16384