Gemini 3.8 Flash Tts

Govorni model družbe Google za izrazno govorno izvedbo, zvočne knjige in pogovore z upravljanjem glasu ter podporo 130 jezikom.

Ailoot · Pretvorba v govor POST /v1/audio/speech gemini-3.8-flash-tts

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Gemini 3.8 Flash TTS je namenjen izrazni govorni izvedbi in dolgemu pripovedovanju. Google izpostavlja zvočne knjige, pogovore z več govorci in stalnost glasu v dolgih odsekih. Upravljanje govora zajema čustveno podajo, ritem in izgovarjavo, vključno z regionalnimi naglasi in narečji.

Glasovi in jeziki

Za model je navedenih 130 jezikov, vključno z ruščino. Na voljo je 30 že pripravljenih glasov, razširjena knjižnica, ustvarjanje glasovnega profila po opisu in reprodukcija glasu po vzorcu. Te zmožnosti omogočajo izbiro barve glasu in značaja izvedbe za konkretno gradivo.

Replike pogovora se povežejo z govorci. Ena zahteva z več govorci lahko uporablja največ dva že pripravljena glasova. Z glasovi, ustvarjenimi po opisu ali vzorcu, se replike sintetizirajo ločeno; obstoj takšnega glasu ga ne spremeni v še en že pripravljen glas znotraj večglasne zahteve.

Besedilo in upravljanje podaje

Vhod je besedilo, izhod pa zvok. Omejitvi sta 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. Besedilo se obravnava kot izgovorjena replika; opis sloga in izbrani govorec se določita ločeno. Tako je mogoče ločiti besede, ki morajo zazveneti, od navodil o tem, kako jih brati.

Slog zajema čustvo, tempo, glasnost in prozodijo. Kratki dogodki — smeh, vzdih, premor — se določijo s posebnimi zvočnimi oznakami znotraj replike. Takšne oznake služijo usmerjanju izvedbe in niso običajne besede za branje.

Zvočni formati in zmožnosti

Pri običajnem ustvarjanju se privzeto vrne WAV. Za pretočni prenos se privzeto uporablja PCM brez glave. Izvorni parametri so 24 kHz, en kanal in 16 bitov. Predvideni so tudi PCM, mu-law in A-law. Podprta sta predpomnjenje konteksta in paketna obdelava. Konkretni format datoteke in razpoložljive nastavitve so odvisni od izbranega govornega načina dostopa.

Model je specializiran za ustvarjanje govora. Klici funkcij, izvajanje kode, iskanje po datotekah, utemeljevanje z iskanjem, Google Maps, ustvarjanje slik, strukturirani besedilni odgovori, Thinking in vsebina spletnih naslovov niso podprti. Stalen glas in nastavljiva izraznost sta navedeni usmeritvi modela in ne obljuba popolne izgovarjave vsake replike.

Ailoot · Pretvorba v govor POST /v1/audio/speech gemini-3.8-flash-tts

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Začetek

Govorni model družbe Google za izrazno govorno izvedbo, zvočne knjige in pogovore z upravljanjem glasu ter podporo 130 jezikom.

Dovoljeni vhodi: Besedilo
Rezultati: Zvok

Na voljo v Ailoot · vhodi in metode

Ailoot · Pretvorba v govor POST /v1/audio/speech

Vhod: text
Izhod: audio
Kontekst: 8192 tokens
Največji izhod: 16.384 tokens
Izhodni format: izvorni zvočni bajti ali povezave JSON do sredstev

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve gemini-3.8-flash-tts	Privzeto—
Polje`input`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve Najmanjša dolžina: 1	Privzeto—
Polje`voice`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve 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	PrivzetoKore
Polje`response_format`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve , wav, json	Privzeto
Polje`stream_format`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve audio	Privzeto—

Kombinacije vhodnih gradiv

text_to_speech · Obvezno: input

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`material_types`	Specifikacijatext
Parameter`required`	Specifikacijanull
Parameter`optional_controls`	Specifikacijanull

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Strukture metod in ID so natančno določeni; zmožnost ponudnika je ločena od sprejema zahteve.

Cenik

Cene metod Ailoot

Ailoot Pretvorba v govorPOST /v1/audio/speech

Vhod: 0,0005 $ / 1K
Izhod: 0,009 $ / 1K
Branje predpomnilnika: 0,000125 $ / 1K

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot · Pretvorba v govor

Primer pretvorbe v govor

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

Prejmi in shrani rezultate

Ailoot · Pretvorba v govor

izvorni zvočni bajti ali povezave JSON do sredstev

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

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

En izhod privzeto vrne izvorne zvočne bajte z dejanskim Content-Type; response_format=json ali več izhodov vrne vse povezave v vaši lasti. Brez zahtevane pretvorbe MP3/Opus/AAC/FLAC/PCM ali SSE.

Če je treba preveriti izvirni odgovor

Shranite izvirni operation_id/X-Client-Request-ID za uskladitev evidenc brez ponovnega pošiljanja; namenska pot za periodično preverjanje zvoka ne obstaja.

Polja odgovora

Polje	Vrsta
Polje`binary native audio`	Vrstabytes
Polje`model`	Vrstastring
Polje`response_id`	Vrstastring
Polje`actual_count`	Vrstainteger
Polje`data[]`	Vrstaowned audio asset link

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojNeveljavna obvezna polja, predstavitev gradiva ali vrednost parametra	Naslednji korakPred novo zahtevo za ustvarjanje popravite navedena polja.
Odgovor`server_error`	PogojVrnjeni odgovor navaja, da je treba operacijo ali rezultat preveriti	Naslednji korakShranite izvirni vrnjeni ID operacije/opravila, glave zahteve in odgovor; nadaljujte s podprtimi branji te izvirne operacije. Zahteve za ustvarjanje ne pošiljajte znova.

Druga imena

Druga imena modelov

Ailoot gemini-3.8-flash-tts

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
Katera polja uporablja zahteva?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Katere omejitve veljajo?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts