Gemini 3.8 Flash Tts
Речевая модель Google для выразительной озвучки, аудиокниг и диалогов с управлением голосом и поддержкой 130 языков.
О модели
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Gemini 3.8 Flash TTS предназначена для выразительной озвучки и длинного повествования. Google выделяет аудиокниги, диалоги с несколькими говорящими и устойчивость голоса на протяжённых фрагментах. Управление речью охватывает эмоциональную подачу, ритм и произношение, включая региональные акценты и диалекты.
Голоса и языки
Для модели заявлены 130 языков, включая русский. Доступны 30 готовых голосов, расширенная библиотека, создание голосового образа по описанию и воспроизведение голоса по образцу. Эти возможности позволяют выбирать тембр и характер исполнения для конкретного материала.
Реплики диалога связываются с говорящими. Один запрос с несколькими говорящими может использовать не более двух готовых голосов. С созданными по описанию или образцу голосами реплики синтезируются отдельно; наличие такого голоса не превращает его в ещё один готовый голос внутри многоголосого запроса.
Текст и управление подачей
Вход — текст, выход — аудио. Пределы составляют 8 192 входных токена и 16 384 выходных токена. Текст трактуется как произносимая реплика; описание стиля и выбранный говорящий задаются отдельно. Это позволяет отделить слова, которые должны прозвучать, от указаний о том, как их читать.
Стиль охватывает эмоцию, темп, громкость и просодию. Краткие события — смех, вздох, пауза — задаются специальными аудиотегами внутри реплики. Такие теги служат управлению исполнением, а не обычным словам для чтения.
Аудиоформаты и возможности
При обычной генерации по умолчанию возвращается WAV. Для потоковой передачи по умолчанию используется PCM без заголовка. Исходные параметры — 24 кГц, один канал и 16 бит. Предусмотрены также PCM, mu-law и A-law. Поддерживаются кэширование контекста и пакетная обработка. Конкретный формат файла и доступные настройки зависят от выбранного речевого метода.
Модель специализируется на создании речи. Вызовы функций, выполнение кода, поиск по файлам, поисковое обоснование, Google Maps, генерация изображений, структурированные текстовые ответы, Thinking и содержимое веб-адресов не поддерживаются. Устойчивый голос и управляемая выразительность — заявленные направления модели, а не обещание идеального произношения каждой реплики.
Ailoot · Озвучка POST /v1/audio/speech gemini-3.8-flash-tts
gemini-3.8-flash-ttsНачало
Речевая модель Google для выразительной озвучки, аудиокниг и диалогов с управлением голосом и поддержкой 130 языков.
- Допустимые входные данные
- Текст
- Результаты
- Аудио
Доступно в Ailoot · входные данные и методы
Ailoot · Озвучка POST /v1/audio/speech
- Входные данные
text- Результат
audio- Контекст
- 8 192 tokens
- Максимальный выход
- 16 384 tokens
- Выходной формат
- двоичные аудиоданные в нативном формате или ссылки на ресурсы в JSON
| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения gemini-3.8-flash-tts | По умолчанию— |
Полеinput | Типstring | ТребованиеОбязательно | Значения и ограничения Минимальная длина: 1 | По умолчанию— |
Полеvoice | Типstring | ТребованиеНеобязательно | Значения и ограничения 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 | По умолчаниюKore |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения , wav, json | По умолчанию |
Полеstream_format | Типstring | ТребованиеНеобязательно | Значения и ограничения audio | По умолчанию— |
Сочетания входных материалов
text_to_speech · Обязательно: input
Параметры и жизненный цикл метода
| Параметр | Контракт |
|---|---|
Параметрmaterial_types | Контрактtext |
Параметрrequired | Контрактnull |
Параметрoptional_controls | Контрактnull |
Жизненный цикл: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Фактически возвращённый task_id или запись в медиатеке
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска.
Тарифы
Ставки методов Ailoot
POST /v1/audio/speech- Вход
- 0,0005 $ / 1K
- Выход
- 0,009 $ / 1K
- Чтение кэша
- 0,000125 $ / 1K
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
Примеры запросов
Ailoot · Озвучка
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-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
Получить и сохранить результаты
Ailoot · Озвучка
двоичные аудиоданные в нативном формате или ссылки на ресурсы в JSON
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Сохраняйте все готовые результаты
Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
При одном результате по умолчанию возвращаются нативные аудиобайты с фактическим Content-Type; response_format=json или несколько результатов возвращают все ссылки на ресурсы, принадлежащие Ailoot. Запрошенное преобразование MP3/Opus/AAC/FLAC/PCM и SSE не поддерживается.
Если нужно проверить исходный ответ
Сохраняйте исходный operation_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.
Поля ответа
| Поле | Тип |
|---|---|
Полеbinary native audio | Типbytes |
Полеmodel | Типstring |
Полеresponse_id | Типstring |
Полеactual_count | Типinteger |
Полеdata[] | Типowned audio asset link |
Ошибки и дальнейшие шаги
| Ответ | Условие | Следующий шаг |
|---|---|---|
Ответ400 · invalid_request_error | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
Ответserver_error | УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки | Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно. |
Псевдонимы
Псевдонимы моделей
Ailoot gemini-3.8-flash-tts
Псевдонимы путей метода
Используйте пути методов, указанные выше.
Связанные ID для вызова
FAQ · Gemini 3.8 Flash Tts
- Какие входные данные и результаты доступны?
POST /v1/audio/speech·gemini-3.8-flash-tts:text→audio- Какие поля использует запрос?
POST /v1/audio/speech·gemini-3.8-flash-tts:model,input,voice,response_format,stream_format- Какие ограничения действуют?
POST /v1/audio/speech·gemini-3.8-flash-tts:ctx:8192;max_out:16384