Gemini 3.8 Flash Lite Tts

Rečový model Googlu na hromadné hlasové spracovanie textov, postupných replík a hlasových scenárov v 101 jazykoch.

Ailoot · Syntéza reči POST /v1/audio/speech gemini-3.8-flash-lite-tts

O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Gemini 3.8 Flash-Lite TTS je navrhnutá na veľké množstvo rečových operácií: čítanie textu, hlasové spracovanie postupných replík a každodenné hlasové scenáre. Podľa Googlu je jej profilom nízka latencia a efektívne hromadné spracovanie.

Výber hlasu

Model podporuje 101 jazykov, vrátane ruštiny. Medzi možnosti patrí 30 hotových hlasov, rozšírená knižnica, tvorba hlasovej podoby a reprodukcia hlasu podľa vzorky. Hlas, štýl a samotná vyslovovaná replika sa zadávajú samostatne, takže text na hlasové spracovanie netreba miešať s opisom charakteru čítania.

Flash-Lite používa rovnaký formát riadenia reči ako Gemini 3.8 Flash TTS. V dialógu sa repliky priraďujú konkrétnym hovoriacim. Počet hotových hlasov v jednej požiadavke s viacerými hlasmi je obmedzený na dva; hlasy vytvorené podľa opisu alebo vzorky sa používajú v samostatných rečových replikách.

Čo prichádza na vstup

Na vstup sa odovzdáva text do 8 192 tokenov, na výstupe vzniká audio s limitom 16 384 tokenov. Nastavenia prednesu riadia štýl podania a krátke hlasové udalosti a pauzy sa zadávajú špeciálnymi audiotagmi v texte. Ide o syntézu reči podľa zadanej repliky, nie o generovanie textovej odpovede na otázku.

Formáty a spracovanie

Pre bežnú odpoveď sa predvolene používa WAV. Predvolený streamovací formát je PCM bez hlavičky. Základné parametre zvuku sú 24 kHz, jeden kanál a 16 bitov. Výrobca poskytuje aj PCM, mu-law a A-law. Podporované sú ukladanie kontextu do vyrovnávacej pamäte a dávkové spracovanie. Možnosti zvukového formátu treba posudzovať oddelene od skutočného spôsobu získania súboru zvolenou rečovou metódou.

Hranice modelu

Pri tejto verzii nie sú deklarované Thinking, volania funkcií, vykonávanie kódu, vyhľadávanie v súboroch, podloženie odpovedí vyhľadávaním, Google Maps, štruktúrované textové odpovede, tvorba obrázkov ani využitie obsahu webových adries. Jej účelom je rýchlo hlasovo spracovať pripravený materiál.

Zameranie na nízku latenciu neurčuje čas dokončenia každej požiadavky. Jazykové pokrytie, spôsoby výberu hlasu a riadenie podania opisujú možnosti samotného modelu a neznamenajú automatickú dostupnosť všetkých nastavení v každej rečovej metóde.

Ailoot · Syntéza reči POST /v1/audio/speech gemini-3.8-flash-lite-tts

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

Úvod

Rečový model Googlu na hromadné hlasové spracovanie textov, postupných replík a hlasových scenárov v 101 jazykoch.

Povolené vstupy: Text
Výsledky: Audio

Dostupné v Ailoot · vstupy a metódy

Ailoot · Syntéza reči POST /v1/audio/speech

Vstup: text
Výstup: audio
Kontext: 8 192 tokens
Maximálny výstup: 16 384 tokens
Výstupný formát: natívne bajty zvuku alebo odkazy na súbory v JSON

Pole	Typ	Požiadavka	Hodnoty a limity	Predvolené
Pole`model`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity gemini-3.8-flash-lite-tts	Predvolené—
Pole`input`	Typ`string`	PožiadavkaPovinné	Hodnoty a limity Minimálna dĺžka: 1	Predvolené—
Pole`voice`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Arlo, Autonoe, Bodi, Brio, Callirrhoe, Charon, Cleo, Cruz, Daro, Despina, Elio, Enceladus, Enya, Enzo, Erinome, Fenrir, Finn, Fola, Gacrux, Gero, Hali, Iapetus, Jett, Jori, Kira, Knox, Koda, Kore, Laomedeia, Leda, Lora, Ludo, Lumi, Mako, Milo, Neno, Nika, Nyla, Olin, Orus, Puck, Pulcherrima, Rami, Rasalgethi, Riko, Rina, Sadachbia, Sadaltager, Sami, Schedar, Sola, Sulafat, Tari, Tavi, Tova, Umbriel, Varo, Veda, Vindemiatrix, Zali, Zeno, Zephyr, Zubenelgenubi, Zuri	PredvolenéKore
Pole`response_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity , wav, json	Predvolené
Pole`stream_format`	Typ`string`	PožiadavkaVoliteľné	Hodnoty a limity audio	Predvolené—

Kombinácie vstupných podkladov

text_to_speech · Povinné: input

Parametre a životný cyklus metódy

Parameter	Špecifikácia
Parameter`material_types`	Špecifikáciatext
Parameter`required`	Špecifikácianull
Parameter`optional_controls`	Špecifikácianull

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.

Cenník

Sadzby metód Ailoot

Ailoot Syntéza rečiPOST /v1/audio/speech

Vstup: 0,0005 USD / 1K
Výstup: 0,006 USD / 1K
Čítanie cache: 0,000125 USD / 1K

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot · Syntéza reči

Príklad syntézy reči

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

Prijať a uložiť výsledky

Ailoot · Syntéza reči

natívne bajty zvuku alebo odkazy na súbory v JSON

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

Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Jediný výstup predvolene vracia natívne bajty zvuku so skutočným Content-Type; pri response_format=json alebo viacerých výstupoch sa vracajú všetky odkazy vo vašom vlastníctve. Konverzia na požadovaný formát MP3/Opus/AAC/FLAC/PCM ani SSE sa nepodporujú.

Ak treba overiť pôvodnú odpoveď

Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.

Polia odpovede

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

Chyby a ďalšie kroky

Odpoveď	Podmienka	Ďalší krok
Odpoveď400 · `invalid_request_error`	PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra	Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia.
Odpoveď`server_error`	PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať	Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte.

Aliasy

Aliasy modelov

Ailoot gemini-3.8-flash-lite-tts

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

Aké vstupy a výsledky sú dostupné?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
Aké polia používa požiadavka?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
Aké limity platia?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts