Google Gemini 3.8 Flash TTS — творческий уровень голосового исполнения в семействе синтеза речи Google 3.8. Он делает акцент на акустической точности, эмоциональном диапазоне, региональных акцентах и сохранении голоса персонажа в длинных диалогах. Google выделяет аудиокниги, студийное закадровое чтение, сложное произношение и сцены с выраженной голосовой актёрской работой. На выходе получается речевое аудио по подготовленному текстовому сценарию, подходящее для оценки исполнения рассказчика или размещения сценарного диалога рядом с другими элементами производства.
Начните с точных слов, которые должны прозвучать. Текст 3.8 воспринимается дословно, а сведения о говорящем и длительной манере исполнения относятся к отдельным метаданным речи. Задайте каждой реплике явную идентичность говорящего и при необходимости краткое указание стиля, например сдержанную тревогу или радостное любопытство. Разделяйте строку на отдельные реплики, когда эмоция или темп существенно меняются. Так бриф проще проверять: текст содержит диалог, а приложенное указание объясняет, как исполнить эту часть. Обычные письменные инструкции внутри текста могут быть прочитаны вслух.
Голосовая система Google 3.8 включает готовые голоса, расширенную библиотеку голосов, разработанные голосовые образы и воспроизведённые голосовые идентичности. Выберите основной образ, прежде чем применять временные актёрские изменения. Постоянный региональный акцент или идентичность персонажа относятся к выбранному голосу, а поле style управляет текущим исполнением. Разработчик советует повторно использовать этот голос с краткими указаниями вместо повторения длинных блоков Audio Profile или Director’s Notes. Документированная конфигурация диалога в одном запросе объединяет до двух готовых говорящих. Для разработанных или воспроизведённых персонажей руководство предписывает генерировать отдельные реплики при сборке многоперсонажного обмена.
Помещайте короткую человеческую вокализацию или паузу в нужной точке с помощью тега в угловых скобках. Пример оригинального сценария: «Я думал, ты ушёл. <short pause> <sigh> Я оставил свет включённым». Прикрепите сдержанную подачу ко всей реплике, а не вставляйте это указание среди произносимых слов. Пунктуация и регистр могут помочь передать заминку или подчеркнуть слово. Google также документирует реакции слушателя с разделителями в виде вертикальной черты для коротких ответных сигналов и перекрывающегося диалога и называет Flash TTS предпочтительной версией 3.8 для выраженного наложения реплик. Делайте такие реакции достаточно короткими, чтобы слушатель по-прежнему понимал основную реплику.
Производитель указывает для Flash TTS 130 поддерживаемых языков и подчёркивает охват региональных диалектов и диалектов меньшинств. Региональный бриф исполнения полезен для локализованного персонажа аудиокниги или закадрового чтения, где аудитории важен акцент. Подготовьте сценарий на окончательном языке, с единым написанием повторяющихся имён и намеренно выбранным прочтением сокращений и чисел. При редакторской проверке начинайте прослушивание с фрагментов со сложными именами, сменами диалекта или эмоциональными переходами. Требуемый акцент и темп нужно оценивать по сгенерированному голосу, а не предполагать лишь по языковой метке.
Руководство по выводу 3.8 различает завершённые файлы и потоковое аудио. По умолчанию завершённый запрос даёт WAV-файл с заголовком RIFF: 24 kHz, моно, знаковый 16-битный PCM little-endian. По умолчанию потоковый вывод — сырой линейный PCM без заголовка с теми же характеристиками отсчётов. Среди вариантов кодирования также документированы raw linear PCM, mu-law и A-law. При подготовке воспроизведения или импорте в редактор используйте фактические сведения о кодировании. Для последовательности отдельных файлов диалога сохраняйте единый формат и проверяйте стыки на резкие изменения уровня, темпа или фонового звучания помещения.
На странице именно этой модели Google указывает пределы обслуживания Gemini API 8 192 токена входа и 16 384 токена вывода. Это пределы токенов, а не фиксированная длительность аудиокниги или точное число секунд речи. Разделяйте длинные сценарии по смысловым границам и сохраняйте выбранную голосовую идентичность между разделами. В производстве целой главы слушайте непрерывность на переходах между абзацами и сценами, а также точность слов внутри каждого сегмента. Хорошая практическая проверка фиксирует строки, которым нужны правки произношения или исполнения, вместо переписывания всего голосового брифа после каждого дубля.
Flash TTS и Flash-Lite TTS используют общую структуру подготовки 3.8, поэтому версию можно выбирать по требованиям работы. Flash TTS выделяет актёрскую игру, сложные диалоги, трудное произношение и более широкий охват диалектов; Flash-Lite — производительность для обычного речевого контента. Выразительные настройки касаются человеческой речи и голосовых событий. Фоновые эффекты, музыку и готовый производственный микс можно планировать как отдельные материалы. Написание сценария, перевод и распознавание записанной речи остаются самостоятельными этапами вокруг этой модели преобразования текста в аудио.
", "aboutText": "Google Gemini 3.8 Flash TTS — творческий уровень голосового исполнения в семействе синтеза речи Google 3.8. Он делает акцент на акустической точности, эмоциональном диапазоне, региональных акцентах и сохранении голоса персонажа в длинных диалогах. Google выделяет аудиокниги, студийное закадровое чтение, сложное произношение и сцены с выраженной голосовой актёрской работой. На выходе получается речевое аудио по подготовленному текстовому сценарию, подходящее для оценки исполнения рассказчика или размещения сценарного диалога рядом с другими элементами производства.\n\nНачните с точных слов, которые должны прозвучать. Текст 3.8 воспринимается дословно, а сведения о говорящем и длительной манере исполнения относятся к отдельным метаданным речи. Задайте каждой реплике явную идентичность говорящего и при необходимости краткое указание стиля, например сдержанную тревогу или радостное любопытство. Разделяйте строку на отдельные реплики, когда эмоция или темп существенно меняются. Так бриф проще проверять: текст содержит диалог, а приложенное указание объясняет, как исполнить эту часть. Обычные письменные инструкции внутри текста могут быть прочитаны вслух.\n\nГолосовая система Google 3.8 включает готовые голоса, расширенную библиотеку голосов, разработанные голосовые образы и воспроизведённые голосовые идентичности. Выберите основной образ, прежде чем применять временные актёрские изменения. Постоянный региональный акцент или идентичность персонажа относятся к выбранному голосу, а поле style управляет текущим исполнением. Разработчик советует повторно использовать этот голос с краткими указаниями вместо повторения длинных блоков Audio Profile или Director’s Notes. Документированная конфигурация диалога в одном запросе объединяет до двух готовых говорящих. Для разработанных или воспроизведённых персонажей руководство предписывает генерировать отдельные реплики при сборке многоперсонажного обмена.\n\nПомещайте короткую человеческую вокализацию или паузу в нужной точке с помощью тега в угловых скобках. Пример оригинального сценария: «Я думал, ты ушёл.google/gemini-3.8-flash-ttsGoogle Gemini 3.8 Flash TTS создаёт выразительную речь для аудиокниг, студийного закадрового чтения и диалогов персонажей. Модель сочетает дословный сценарий с отдельными указаниями о говорящем и актёрской подаче, краткими голосовыми тегами и охватом 130 языков, уделяя внимание произношению, региональным акцентам и постоянству голоса.
Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.
Google Gemini 3.8 Flash TTS — творческий уровень голосового исполнения в семействе синтеза речи Google 3.8. Он делает акцент на акустической точности, эмоциональном диапазоне, региональных акцентах и сохранении голоса персонажа в длинных диалогах. Google выделяет аудиокниги, студийное закадровое чтение, сложное произношение и сцены с выраженной голосовой актёрской работой. На выходе получается речевое аудио по подготовленному текстовому сценарию, подходящее для оценки исполнения рассказчика или размещения сценарного диалога рядом с другими элементами производства.
Начните с точных слов, которые должны прозвучать. Текст 3.8 воспринимается дословно, а сведения о говорящем и длительной манере исполнения относятся к отдельным метаданным речи. Задайте каждой реплике явную идентичность говорящего и при необходимости краткое указание стиля, например сдержанную тревогу или радостное любопытство. Разделяйте строку на отдельные реплики, когда эмоция или темп существенно меняются. Так бриф проще проверять: текст содержит диалог, а приложенное указание объясняет, как исполнить эту часть. Обычные письменные инструкции внутри текста могут быть прочитаны вслух.
Голосовая система Google 3.8 включает готовые голоса, расширенную библиотеку голосов, разработанные голосовые образы и воспроизведённые голосовые идентичности. Выберите основной образ, прежде чем применять временные актёрские изменения. Постоянный региональный акцент или идентичность персонажа относятся к выбранному голосу, а поле style управляет текущим исполнением. Разработчик советует повторно использовать этот голос с краткими указаниями вместо повторения длинных блоков Audio Profile или Director’s Notes. Документированная конфигурация диалога в одном запросе объединяет до двух готовых говорящих. Для разработанных или воспроизведённых персонажей руководство предписывает генерировать отдельные реплики при сборке многоперсонажного обмена.
Помещайте короткую человеческую вокализацию или паузу в нужной точке с помощью тега в угловых скобках. Пример оригинального сценария: «Я думал, ты ушёл. <short pause> <sigh> Я оставил свет включённым». Прикрепите сдержанную подачу ко всей реплике, а не вставляйте это указание среди произносимых слов. Пунктуация и регистр могут помочь передать заминку или подчеркнуть слово. Google также документирует реакции слушателя с разделителями в виде вертикальной черты для коротких ответных сигналов и перекрывающегося диалога и называет Flash TTS предпочтительной версией 3.8 для выраженного наложения реплик. Делайте такие реакции достаточно короткими, чтобы слушатель по-прежнему понимал основную реплику.
Производитель указывает для Flash TTS 130 поддерживаемых языков и подчёркивает охват региональных диалектов и диалектов меньшинств. Региональный бриф исполнения полезен для локализованного персонажа аудиокниги или закадрового чтения, где аудитории важен акцент. Подготовьте сценарий на окончательном языке, с единым написанием повторяющихся имён и намеренно выбранным прочтением сокращений и чисел. При редакторской проверке начинайте прослушивание с фрагментов со сложными именами, сменами диалекта или эмоциональными переходами. Требуемый акцент и темп нужно оценивать по сгенерированному голосу, а не предполагать лишь по языковой метке.
Руководство по выводу 3.8 различает завершённые файлы и потоковое аудио. По умолчанию завершённый запрос даёт WAV-файл с заголовком RIFF: 24 kHz, моно, знаковый 16-битный PCM little-endian. По умолчанию потоковый вывод — сырой линейный PCM без заголовка с теми же характеристиками отсчётов. Среди вариантов кодирования также документированы raw linear PCM, mu-law и A-law. При подготовке воспроизведения или импорте в редактор используйте фактические сведения о кодировании. Для последовательности отдельных файлов диалога сохраняйте единый формат и проверяйте стыки на резкие изменения уровня, темпа или фонового звучания помещения.
На странице именно этой модели Google указывает пределы обслуживания Gemini API 8 192 токена входа и 16 384 токена вывода. Это пределы токенов, а не фиксированная длительность аудиокниги или точное число секунд речи. Разделяйте длинные сценарии по смысловым границам и сохраняйте выбранную голосовую идентичность между разделами. В производстве целой главы слушайте непрерывность на переходах между абзацами и сценами, а также точность слов внутри каждого сегмента. Хорошая практическая проверка фиксирует строки, которым нужны правки произношения или исполнения, вместо переписывания всего голосового брифа после каждого дубля.
Flash TTS и Flash-Lite TTS используют общую структуру подготовки 3.8, поэтому версию можно выбирать по требованиям работы. Flash TTS выделяет актёрскую игру, сложные диалоги, трудное произношение и более широкий охват диалектов; Flash-Lite — производительность для обычного речевого контента. Выразительные настройки касаются человеческой речи и голосовых событий. Фоновые эффекты, музыку и готовый производственный микс можно планировать как отдельные материалы. Написание сценария, перевод и распознавание записанной речи остаются самостоятельными этапами вокруг этой модели преобразования текста в аудио.
POST /v1/audio/speechtextaudio| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
|---|---|---|---|---|
Полеmodel | Типstring | ТребованиеОбязательно | Значения и ограничения google/gemini-3.8-flash-tts | По умолчанию— |
Полеinput | Типstring | ТребованиеОбязательно | Значения и ограничения Минимальная длина: 1 | По умолчанию— |
Полеvoice | Типstring | ТребованиеОбязательно | Значения и ограничения 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 Минимальная длина: 1 | По умолчанию— |
Полеresponse_format | Типstring | ТребованиеНеобязательно | Значения и ограничения mp3, pcm | По умолчаниюpcm |
Полеprovider | Типobject | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— |
| Параметр | Контракт |
|---|---|
Параметрcontent_type | Контрактapplication/json |
Параметрrequired | Контрактmodel, input, voice |
Параметрmaterial_types | Контрактtext |
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}
Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.
Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.
| Конфигурация | Шкала ставок | Расчётная единица | Плата |
|---|---|---|---|
| КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Расчётная единица— | Плата Вход · Входные токены — / 1K токенов Выход · Выходные токены — / 1K токенов Вход · Чтение кэша — / 1K токенов Вход · Запись в кэш — / 1K токенов Вход · Запись в кэш, 1 час — / 1K токенов |
| КонфигурацияВходной токен | Шкала ставок— | Расчётная единица/ 1K токенов | Плата Вход $0.001 / 1K токенов |
| КонфигурацияВыходной токен | Шкала ставок— | Расчётная единица/ 1K токенов | Плата Выход $0.018 / 1K токенов |
Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. Как работают резервирование и расчёт →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-tts', 'input': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nПолные двоичные аудиоданные или исходный ответ audio_url, заголовки и каждый ресурс, принадлежащий Ailoot.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nСохраняйте каждый полностью полученный ответ, файл и элемент содержимого.
Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания.
Сохраните возвращённый X-Client-Request-ID для сверки. Читайте только фактически возвращённые значения task_id/asset_id или собственную медиатеку; никогда не составляйте URL задачи из ID операции и никогда не отправляйте запрос создания повторно.
Ailoot Ultra google/gemini-3.8-flash-tts
Используйте пути методов, указанные выше.