Google Gemini 3.8 Flash TTS je tvorivá úroveň hlasového prejavu v rodine Google 3.8 na prevod textu na reč. Zdôrazňuje akustickú vernosť, rozsah emócií, regionálne prízvuky a kontinuitu hlasu postavy v dlhšom dialógu. Google vyzdvihuje audioknihy, štúdiové rozprávanie, náročnú výslovnosť a scény s výrazným hlasovým herectvom. Výstupom je hovorený zvuk z pripraveného textového scenára vhodný na kontrolu výkonu rozprávača alebo usporiadanie napísaného rozhovoru spolu s ďalšími produkčnými prvkami.
Začnite presnými slovami, ktoré majú zaznieť. Prepis 3.8 sa spracúva doslovne, zatiaľ čo hovoriaci a trvalejší prejav patria do samostatných metadát reči. Každej replike priraďte jasnú identitu hovoriaceho a podľa potreby stručný pokyn štýlu, napríklad zdržanlivú obavu alebo veselú zvedavosť. Keď sa emócia alebo tempo výrazne mení, rozdeľte riadok na samostatné repliky. Zadanie sa tak kontroluje ľahšie: prepis obsahuje dialóg a pripojený pokyn vysvetľuje, ako sa má daná časť predniesť. Bežné písomné pokyny vložené do prepisu sa môžu prečítať nahlas.
Hlasový systém Google 3.8 zahŕňa predpripravené hlasy, rozšírenú knižnicu hlasov, navrhnuté persony a replikované hlasové identity. Pred dočasnými hereckými zmenami vyberte základnú personu. Stabilný regionálny prízvuk alebo identita postavy patria vybranému hlasu; pole style riadi aktuálny prejav. Výrobca odporúča znovu používať tento hlas so stručnými pokynmi namiesto opakovania dlhých blokov Audio Profile alebo Director’s Notes. Dokumentovaná konfigurácia dialógu v jednej požiadavke spája najviac dvoch predpripravených hovoriacich. Pri navrhnutých alebo replikovaných postavách sprievodca pri zostavovaní rozhovoru viacerých postáv smeruje ku generovaniu jednotlivých replík.
Krátku ľudskú vokalizáciu alebo prestávku umiestnite na príslušné miesto značkou v ostrých zátvorkách. Originálny príklad scenára je „Myslel som, že si odišiel. <short pause> <sigh> Nechal som rozsvietené.“ Tlmený prednes priraďte celej replike namiesto vloženia pokynu medzi hovorené slová. Interpunkcia a veľké písmená môžu pomôcť vytvarovať zaváhanie alebo zdôrazniť slovo. Google dokumentuje aj reakcie poslucháča oddelené zvislou čiarou pre priebežné reakcie a prekrývajúci sa dialóg a označuje Flash TTS za preferovanú edíciu 3.8 pri výraznejšom prekrývaní. Tieto reakcie ponechajte dostatočne krátke, aby poslucháč stále rozumel hlavnej replike.
Výrobca pre Flash TTS uvádza 130 podporovaných jazykov a zdôrazňuje pokrytie regionálnych a menšinových dialektov. Zadanie regionálneho prejavu je užitočné pre lokalizovanú postavu audioknihy alebo rozprávanie, ktorého prízvuk je dôležitý pre publikum. Scenár pripravte v konečnom jazyku s konzistentným zápisom opakujúcich sa mien a zámerným čítaním skratiek a čísel. Pri redakčnej príprave začnite kontrolu posluchom pasážami s náročnými menami, zmenami dialektu alebo emočnými prechodmi. Požadovaný prízvuk a tempo posudzujte vo vygenerovanom hlase, nie iba podľa označenia jazyka.
Sprievodca výstupom 3.8 odlišuje úplné súbory od streamovaného zvuku. Predvoleným výsledkom dokončenej požiadavky je súbor WAV s hlavičkou RIFF: 24 kHz, mono, 16-bitové PCM so znamienkom a poradím bajtov little-endian. Predvoleným streamovaným výstupom je surové lineárne PCM bez hlavičky s rovnakými charakteristikami vzoriek. Surové lineárne PCM, mu-law a A-law sú tiež dokumentované možnosti kódovania. Pri príprave prehrávania alebo importe do editora používajte skutočné informácie o kódovaní. Pri sekvencii samostatných dialógových súborov zachovajte rovnaké formáty a na spojoch skontrolujte náhle zmeny úrovne, tempa alebo zvuku miestnosti.
Presná stránka modelu Google určuje limity poskytovania Gemini API na 8 192 vstupných tokenov a 16 384 výstupných tokenov. Ide o limity tokenov, nie pevné trvanie audioknihy alebo presný počet sekúnd reči. Dlhé scenáre rozdeľte na zmysluplných hraniciach a naprieč časťami zachovajte vybranú hlasovú identitu. Pri produkcii celej kapitoly počúvajte kontinuitu pri zmenách odsekov a scén aj presnosť slov v každom segmente. Dobrá praktická kontrola zaznamenáva repliky vyžadujúce úpravu výslovnosti alebo hereckého prejavu namiesto prepisovania celého hlasového zadania po každom pokuse.
Flash TTS a Flash-Lite TTS zdieľajú prípravnú štruktúru 3.8, preto môže výber edície vychádzať z nárokov práce. Flash TTS zdôrazňuje herectvo, zložité dialógy, náročnú výslovnosť a širšie pokrytie dialektov; Flash-Lite zdôrazňuje priepustnosť bežného hovoreného obsahu. Expresívne ovládacie prvky sa týkajú ľudskej reči a hlasových udalostí. Zvuky pozadia, hudobný sprievod a hotový produkčný mix možno plánovať ako samostatné súčasti. Písanie scenára, preklad a rozpoznávanie zaznamenanej reči zostávajú odlišnými fázami okolo tohto modelu prevádzajúceho text na zvuk.
", "aboutText": "Google Gemini 3.8 Flash TTS je tvorivá úroveň hlasového prejavu v rodine Google 3.8 na prevod textu na reč. Zdôrazňuje akustickú vernosť, rozsah emócií, regionálne prízvuky a kontinuitu hlasu postavy v dlhšom dialógu. Google vyzdvihuje audioknihy, štúdiové rozprávanie, náročnú výslovnosť a scény s výrazným hlasovým herectvom. Výstupom je hovorený zvuk z pripraveného textového scenára vhodný na kontrolu výkonu rozprávača alebo usporiadanie napísaného rozhovoru spolu s ďalšími produkčnými prvkami.\n\nZačnite presnými slovami, ktoré majú zaznieť. Prepis 3.8 sa spracúva doslovne, zatiaľ čo hovoriaci a trvalejší prejav patria do samostatných metadát reči. Každej replike priraďte jasnú identitu hovoriaceho a podľa potreby stručný pokyn štýlu, napríklad zdržanlivú obavu alebo veselú zvedavosť. Keď sa emócia alebo tempo výrazne mení, rozdeľte riadok na samostatné repliky. Zadanie sa tak kontroluje ľahšie: prepis obsahuje dialóg a pripojený pokyn vysvetľuje, ako sa má daná časť predniesť. Bežné písomné pokyny vložené do prepisu sa môžu prečítať nahlas.\n\nHlasový systém Google 3.8 zahŕňa predpripravené hlasy, rozšírenú knižnicu hlasov, navrhnuté persony a replikované hlasové identity. Pred dočasnými hereckými zmenami vyberte základnú personu. Stabilný regionálny prízvuk alebo identita postavy patria vybranému hlasu; pole style riadi aktuálny prejav. Výrobca odporúča znovu používať tento hlas so stručnými pokynmi namiesto opakovania dlhých blokov Audio Profile alebo Director’s Notes. Dokumentovaná konfigurácia dialógu v jednej požiadavke spája najviac dvoch predpripravených hovoriacich. Pri navrhnutých alebo replikovaných postavách sprievodca pri zostavovaní rozhovoru viacerých postáv smeruje ku generovaniu jednotlivých replík.\n\nKrátku ľudskú vokalizáciu alebo prestávku umiestnite na príslušné miesto značkou v ostrých zátvorkách. Originálny príklad scenára je „Myslel som, že si odišiel.google/gemini-3.8-flash-ttsGoogle Gemini 3.8 Flash TTS vytvára expresívnu reč pre audioknihy, štúdiové rozprávanie a dialógy postáv. Spája doslovný scenár so samostatnými pokynmi pre hovoriaceho a herecký prejav, krátkodobými hlasovými značkami a pokrytím 130 jazykov so zameraním na výslovnosť, regionálne prízvuky a konzistentnosť hlasu.
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Google Gemini 3.8 Flash TTS je tvorivá úroveň hlasového prejavu v rodine Google 3.8 na prevod textu na reč. Zdôrazňuje akustickú vernosť, rozsah emócií, regionálne prízvuky a kontinuitu hlasu postavy v dlhšom dialógu. Google vyzdvihuje audioknihy, štúdiové rozprávanie, náročnú výslovnosť a scény s výrazným hlasovým herectvom. Výstupom je hovorený zvuk z pripraveného textového scenára vhodný na kontrolu výkonu rozprávača alebo usporiadanie napísaného rozhovoru spolu s ďalšími produkčnými prvkami.
Začnite presnými slovami, ktoré majú zaznieť. Prepis 3.8 sa spracúva doslovne, zatiaľ čo hovoriaci a trvalejší prejav patria do samostatných metadát reči. Každej replike priraďte jasnú identitu hovoriaceho a podľa potreby stručný pokyn štýlu, napríklad zdržanlivú obavu alebo veselú zvedavosť. Keď sa emócia alebo tempo výrazne mení, rozdeľte riadok na samostatné repliky. Zadanie sa tak kontroluje ľahšie: prepis obsahuje dialóg a pripojený pokyn vysvetľuje, ako sa má daná časť predniesť. Bežné písomné pokyny vložené do prepisu sa môžu prečítať nahlas.
Hlasový systém Google 3.8 zahŕňa predpripravené hlasy, rozšírenú knižnicu hlasov, navrhnuté persony a replikované hlasové identity. Pred dočasnými hereckými zmenami vyberte základnú personu. Stabilný regionálny prízvuk alebo identita postavy patria vybranému hlasu; pole style riadi aktuálny prejav. Výrobca odporúča znovu používať tento hlas so stručnými pokynmi namiesto opakovania dlhých blokov Audio Profile alebo Director’s Notes. Dokumentovaná konfigurácia dialógu v jednej požiadavke spája najviac dvoch predpripravených hovoriacich. Pri navrhnutých alebo replikovaných postavách sprievodca pri zostavovaní rozhovoru viacerých postáv smeruje ku generovaniu jednotlivých replík.
Krátku ľudskú vokalizáciu alebo prestávku umiestnite na príslušné miesto značkou v ostrých zátvorkách. Originálny príklad scenára je „Myslel som, že si odišiel. <short pause> <sigh> Nechal som rozsvietené.“ Tlmený prednes priraďte celej replike namiesto vloženia pokynu medzi hovorené slová. Interpunkcia a veľké písmená môžu pomôcť vytvarovať zaváhanie alebo zdôrazniť slovo. Google dokumentuje aj reakcie poslucháča oddelené zvislou čiarou pre priebežné reakcie a prekrývajúci sa dialóg a označuje Flash TTS za preferovanú edíciu 3.8 pri výraznejšom prekrývaní. Tieto reakcie ponechajte dostatočne krátke, aby poslucháč stále rozumel hlavnej replike.
Výrobca pre Flash TTS uvádza 130 podporovaných jazykov a zdôrazňuje pokrytie regionálnych a menšinových dialektov. Zadanie regionálneho prejavu je užitočné pre lokalizovanú postavu audioknihy alebo rozprávanie, ktorého prízvuk je dôležitý pre publikum. Scenár pripravte v konečnom jazyku s konzistentným zápisom opakujúcich sa mien a zámerným čítaním skratiek a čísel. Pri redakčnej príprave začnite kontrolu posluchom pasážami s náročnými menami, zmenami dialektu alebo emočnými prechodmi. Požadovaný prízvuk a tempo posudzujte vo vygenerovanom hlase, nie iba podľa označenia jazyka.
Sprievodca výstupom 3.8 odlišuje úplné súbory od streamovaného zvuku. Predvoleným výsledkom dokončenej požiadavky je súbor WAV s hlavičkou RIFF: 24 kHz, mono, 16-bitové PCM so znamienkom a poradím bajtov little-endian. Predvoleným streamovaným výstupom je surové lineárne PCM bez hlavičky s rovnakými charakteristikami vzoriek. Surové lineárne PCM, mu-law a A-law sú tiež dokumentované možnosti kódovania. Pri príprave prehrávania alebo importe do editora používajte skutočné informácie o kódovaní. Pri sekvencii samostatných dialógových súborov zachovajte rovnaké formáty a na spojoch skontrolujte náhle zmeny úrovne, tempa alebo zvuku miestnosti.
Presná stránka modelu Google určuje limity poskytovania Gemini API na 8 192 vstupných tokenov a 16 384 výstupných tokenov. Ide o limity tokenov, nie pevné trvanie audioknihy alebo presný počet sekúnd reči. Dlhé scenáre rozdeľte na zmysluplných hraniciach a naprieč časťami zachovajte vybranú hlasovú identitu. Pri produkcii celej kapitoly počúvajte kontinuitu pri zmenách odsekov a scén aj presnosť slov v každom segmente. Dobrá praktická kontrola zaznamenáva repliky vyžadujúce úpravu výslovnosti alebo hereckého prejavu namiesto prepisovania celého hlasového zadania po každom pokuse.
Flash TTS a Flash-Lite TTS zdieľajú prípravnú štruktúru 3.8, preto môže výber edície vychádzať z nárokov práce. Flash TTS zdôrazňuje herectvo, zložité dialógy, náročnú výslovnosť a širšie pokrytie dialektov; Flash-Lite zdôrazňuje priepustnosť bežného hovoreného obsahu. Expresívne ovládacie prvky sa týkajú ľudskej reči a hlasových udalostí. Zvuky pozadia, hudobný sprievod a hotový produkčný mix možno plánovať ako samostatné súčasti. Písanie scenára, preklad a rozpoznávanie zaznamenanej reči zostávajú odlišnými fázami okolo tohto modelu prevádzajúceho text na zvuk.
POST /v1/audio/speechtextaudio| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity google/gemini-3.8-flash-tts | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 | Predvolené— |
Polevoice | Typstring | PožiadavkaPovinné | Hodnoty a 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 Minimálna dĺžka: 1 | Predvolené— |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3, pcm | Predvolenépcm |
Poleprovider | Typobject | PožiadavkaVoliteľné | Hodnoty a limity | Predvolené— |
| Parameter | Špecifikácia |
|---|---|
Parametercontent_type | Špecifikáciaapplication/json |
Parameterrequired | Špecifikáciamodel, input, voice |
Parametermaterial_types | Špecifikáciatext |
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}
Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.
Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.
| Konfigurácia | Sadzobník | Účtovacia jednotka | Poplatok |
|---|---|---|---|
| KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny — / 1K tokenov Výstup · Výstupné tokeny — / 1K tokenov Vstup · Čítanie cache — / 1K tokenov Vstup · Zápis do cache — / 1K tokenov Vstup · Zápis do cache, 1 hod — / 1K tokenov |
| Konfiguráciavstupný token | Sadzobník— | Účtovacia jednotka/ 1K tokenov | Poplatok Vstup $0.001 / 1K tokenov |
| Konfiguráciavýstupný token | Sadzobník— | Účtovacia jednotka/ 1K tokenov | Poplatok Výstup $0.018 / 1K tokenov |
Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
set -eu\n: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nÚplný binárny zvuk alebo pôvodná odpoveď audio_url, hlavičky a každý súbor vo vašom vlastníctve.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nUložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.
Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie.
Ailoot Ultra google/gemini-3.8-flash-tts
Použite cesty metód uvedené vyššie.