{ "aboutHtml": "

Google Gemini 3.8 Flash-Lite TTS je član Googlove družine 3.8 za pretvorbo besedila v govor, usmerjen v velik obseg obdelave. Sprejema pisni scenarij in ustvari govorjeni zvok. Google ga namenja funkcijam branja na glas, vsakdanjemu pripovedovanju enega govorca, množični zvočni produkciji ter stopnji govornega izhoda sistemov glasovnih agentov. Uporaben izdelek je članek, prebran z enotnim glasom, govorjeno pojasnilo izdelka ali nabor kratkih navodilnih posnetkov. Scenarij naj že vsebuje besede, ki jih mora poslušalec slišati.

Družina 3.8 loči prepis od navodil izvedbe. Govorjeno besedilo ohranite dobesedno, trajnejše čustvo, tempo, glasnost ali slog izvedbe pa postavite v govorne metapodatke. Topel uvod, nujno navodilo in tih zaključek imajo lahko kratek slogovni opis, pripet lastni repliki. Besedilo, kot je »Povejte veselo«, se lahko v prepisu samo izgovori. Imena govorcev sodijo v metapodatke govorca, ne kot oznake v slišni scenarij. Ta priprava je posebej pomembna pri ponovni uporabi pozivov, napisanih za Gemini 3.1 Flash TTS.

Za kratke dogodke na določenem mestu uporabite vstavljene oznake v kotnih oklepajih: vdih, smeh, kašelj, vzdih ali premor. Prepis »Naslednji korak je preprost. <short pause> Izberite želeni jezik.« na primer ohrani predvideni premor ob besedah, na katere vpliva. Trajnejšo šepetajočo izvedbo postavite v slogovni opis namesto ponavljajočega dodajanja oznak dogodkov. Google priporoča angleška imena oznak tudi za scenarije v drugih jezikih. Te nastavitve usmerjajo glas; sled aplavza ali loputanje vrat zahteva ločeno zvočno produkcijo, ne oznake glasovnega dogodka.

Google za to izdajo navaja 101 podprt jezik, vključno z angleščino, ruščino, kitajščino, japonščino, korejščino, francoščino, nemščino, španščino, indonezijščino in vietnamščino. Končni scenarij napišite v predvidenem jeziku z želeno obliko imen, kratic in števil. Kot uredniško pripravo razpišite dvoumno kratico ali predvideno branje števila, kadar mora poslušalec slišati eno konkretno obliko. Pred obravnavo dolgega posnetka kot končanega poslušajte začetni odlomek s težavnimi imeni in prehodi. Število jezikov ne naredi vseh regionalnih izgovarjav zamenljivih.

Proizvajalec podpira vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane glasovne persone in replikacijo glasu. Identiteto glasu izberite ločeno od začasnih igralskih navodil. Kadar mora pripoved ostati enotna, identiteto in jedrnat opis izvedbe ponovno uporabite med deli. V dokumentirani konfiguraciji dveh govorcev vsaki repliki navedite izrecnega govorca, ki se ujema z enim od dveh nastavljenih vnaprej pripravljenih glasov. Googlov vodnik prizore več likov z oblikovanimi ali repliciranimi glasovi obravnava z ustvarjanjem posameznih replik. Ta razlika je pomembna pri načrtovanju dialoga namesto enega pripovedovalca.

Za običajne dokončane zahteve Googlov vodnik 3.8 določa zvok WAV z glavo RIFF, ki vsebuje 24 kHz mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Pretočna konfiguracija namesto tega privzeto vrača surove kose PCM brez glave; vodnik dokumentira tudi surov linearni PCM, mu-law in A-law. Nastavitve predvajanja ali urejanja uskladite z dejanskim izhodnim formatom. Preimenovanje PCM brez glave v končnico WAV ne doda podatkov vsebnika. Pri sestavljanju ločeno ustvarjenih replik ohranite enoten zvočni format in vsak celotni WAV obravnavajte kot datoteko z lastno glavo.

Natančna stran modela navaja omejitvi Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. Zvočni tokeni ne pomenijo stalnega števila izgovorjenih sekund. Dolgo gradivo pripravite v smiselnih delih, ohranite isti glas in slogovni opis ter poslušajte stike. To sta proizvajalčevi dokumentirani omejitvi izvajanja za ta model; opisujeta drugačno količino kot splošno kataloško polje konteksta. Vhod je besedilo in izhod zvok, zato so priprava scenarija, prevajanje in prepisovanje ločene pripravljalne ali nadaljnje naloge.

Flash-Lite deli strukturo zahteve 3.8 z Gemini 3.8 Flash TTS. Praktična izbira zadeva zahtevano izvedbo: Flash-Lite je namenjen hitri, ponavljajoči se produkciji, Flash TTS pa je ustvarjalna raven za težavno izgovarjavo, niansirano igranje in širše pokritje narečij. Rutinski članek pomoči in dramatičen prizor dveh likov postavljata različne zahteve glasu. Pred uporabo v končni poslušalski izkušnji dejanski posnetek preverite glede izpuščenih ali ponovljenih besed, izgovarjave, tempa in slišnih sprememb med segmenti.

", "aboutText": "Google Gemini 3.8 Flash-Lite TTS je član Googlove družine 3.8 za pretvorbo besedila v govor, usmerjen v velik obseg obdelave. Sprejema pisni scenarij in ustvari govorjeni zvok. Google ga namenja funkcijam branja na glas, vsakdanjemu pripovedovanju enega govorca, množični zvočni produkciji ter stopnji govornega izhoda sistemov glasovnih agentov. Uporaben izdelek je članek, prebran z enotnim glasom, govorjeno pojasnilo izdelka ali nabor kratkih navodilnih posnetkov. Scenarij naj že vsebuje besede, ki jih mora poslušalec slišati.\n\nDružina 3.8 loči prepis od navodil izvedbe. Govorjeno besedilo ohranite dobesedno, trajnejše čustvo, tempo, glasnost ali slog izvedbe pa postavite v govorne metapodatke. Topel uvod, nujno navodilo in tih zaključek imajo lahko kratek slogovni opis, pripet lastni repliki. Besedilo, kot je »Povejte veselo«, se lahko v prepisu samo izgovori. Imena govorcev sodijo v metapodatke govorca, ne kot oznake v slišni scenarij. Ta priprava je posebej pomembna pri ponovni uporabi pozivov, napisanih za Gemini 3.1 Flash TTS.\n\nZa kratke dogodke na določenem mestu uporabite vstavljene oznake v kotnih oklepajih: vdih, smeh, kašelj, vzdih ali premor. Prepis »Naslednji korak je preprost. Izberite želeni jezik.« na primer ohrani predvideni premor ob besedah, na katere vpliva. Trajnejšo šepetajočo izvedbo postavite v slogovni opis namesto ponavljajočega dodajanja oznak dogodkov. Google priporoča angleška imena oznak tudi za scenarije v drugih jezikih. Te nastavitve usmerjajo glas; sled aplavza ali loputanje vrat zahteva ločeno zvočno produkcijo, ne oznake glasovnega dogodka.\n\nGoogle za to izdajo navaja 101 podprt jezik, vključno z angleščino, ruščino, kitajščino, japonščino, korejščino, francoščino, nemščino, španščino, indonezijščino in vietnamščino. Končni scenarij napišite v predvidenem jeziku z želeno obliko imen, kratic in števil. Kot uredniško pripravo razpišite dvoumno kratico ali predvideno branje števila, kadar mora poslušalec slišati eno konkretno obliko. Pred obravnavo dolgega posnetka kot končanega poslušajte začetni odlomek s težavnimi imeni in prehodi. Število jezikov ne naredi vseh regionalnih izgovarjav zamenljivih.\n\nProizvajalec podpira vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane glasovne persone in replikacijo glasu. Identiteto glasu izberite ločeno od začasnih igralskih navodil. Kadar mora pripoved ostati enotna, identiteto in jedrnat opis izvedbe ponovno uporabite med deli. V dokumentirani konfiguraciji dveh govorcev vsaki repliki navedite izrecnega govorca, ki se ujema z enim od dveh nastavljenih vnaprej pripravljenih glasov. Googlov vodnik prizore več likov z oblikovanimi ali repliciranimi glasovi obravnava z ustvarjanjem posameznih replik. Ta razlika je pomembna pri načrtovanju dialoga namesto enega pripovedovalca.\n\nZa običajne dokončane zahteve Googlov vodnik 3.8 določa zvok WAV z glavo RIFF, ki vsebuje 24 kHz mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Pretočna konfiguracija namesto tega privzeto vrača surove kose PCM brez glave; vodnik dokumentira tudi surov linearni PCM, mu-law in A-law. Nastavitve predvajanja ali urejanja uskladite z dejanskim izhodnim formatom. Preimenovanje PCM brez glave v končnico WAV ne doda podatkov vsebnika. Pri sestavljanju ločeno ustvarjenih replik ohranite enoten zvočni format in vsak celotni WAV obravnavajte kot datoteko z lastno glavo.\n\nNatančna stran modela navaja omejitvi Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. Zvočni tokeni ne pomenijo stalnega števila izgovorjenih sekund. Dolgo gradivo pripravite v smiselnih delih, ohranite isti glas in slogovni opis ter poslušajte stike. To sta proizvajalčevi dokumentirani omejitvi izvajanja za ta model; opisujeta drugačno količino kot splošno kataloško polje konteksta. Vhod je besedilo in izhod zvok, zato so priprava scenarija, prevajanje in prepisovanje ločene pripravljalne ali nadaljnje naloge.\n\nFlash-Lite deli strukturo zahteve 3.8 z Gemini 3.8 Flash TTS. Praktična izbira zadeva zahtevano izvedbo: Flash-Lite je namenjen hitri, ponavljajoči se produkciji, Flash TTS pa je ustvarjalna raven za težavno izgovarjavo, niansirano igranje in širše pokritje narečij. Rutinski članek pomoči in dramatičen prizor dveh likov postavljata različne zahteve glasu. Pred uporabo v končni poslušalski izkušnji dejanski posnetek preverite glede izpuščenih ali ponovljenih besed, izgovarjave, tempa in slišnih sprememb med segmenti.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "6c09de0027a6bf5683caaec883d7c47269d8a6a9ecf4b4ad88b8c66582c4bc39", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
G

Google: Gemini 3.8 Flash Lite TTS

Google /google/gemini-3.8-flash-lite-tts

Začetek

Google Gemini 3.8 Flash-Lite TTS pretvori natančne scenarije v govor za funkcije branja na glas, rutinsko pripovedovanje in velike količine govorjene vsebine. Podpira 101 jezik, izbirne glasove ter nadzor izvedbe prek ločenih slogovnih metapodatkov z vstavljenimi oznakami kratkih premorov in glasovnih dogodkov.

Dovoljeni vhodi
Besedilo
Rezultati
Zvok
O modelu

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

Google Gemini 3.8 Flash-Lite TTS je član Googlove družine 3.8 za pretvorbo besedila v govor, usmerjen v velik obseg obdelave. Sprejema pisni scenarij in ustvari govorjeni zvok. Google ga namenja funkcijam branja na glas, vsakdanjemu pripovedovanju enega govorca, množični zvočni produkciji ter stopnji govornega izhoda sistemov glasovnih agentov. Uporaben izdelek je članek, prebran z enotnim glasom, govorjeno pojasnilo izdelka ali nabor kratkih navodilnih posnetkov. Scenarij naj že vsebuje besede, ki jih mora poslušalec slišati.

Družina 3.8 loči prepis od navodil izvedbe. Govorjeno besedilo ohranite dobesedno, trajnejše čustvo, tempo, glasnost ali slog izvedbe pa postavite v govorne metapodatke. Topel uvod, nujno navodilo in tih zaključek imajo lahko kratek slogovni opis, pripet lastni repliki. Besedilo, kot je »Povejte veselo«, se lahko v prepisu samo izgovori. Imena govorcev sodijo v metapodatke govorca, ne kot oznake v slišni scenarij. Ta priprava je posebej pomembna pri ponovni uporabi pozivov, napisanih za Gemini 3.1 Flash TTS.

Za kratke dogodke na določenem mestu uporabite vstavljene oznake v kotnih oklepajih: vdih, smeh, kašelj, vzdih ali premor. Prepis »Naslednji korak je preprost. <short pause> Izberite želeni jezik.« na primer ohrani predvideni premor ob besedah, na katere vpliva. Trajnejšo šepetajočo izvedbo postavite v slogovni opis namesto ponavljajočega dodajanja oznak dogodkov. Google priporoča angleška imena oznak tudi za scenarije v drugih jezikih. Te nastavitve usmerjajo glas; sled aplavza ali loputanje vrat zahteva ločeno zvočno produkcijo, ne oznake glasovnega dogodka.

Google za to izdajo navaja 101 podprt jezik, vključno z angleščino, ruščino, kitajščino, japonščino, korejščino, francoščino, nemščino, španščino, indonezijščino in vietnamščino. Končni scenarij napišite v predvidenem jeziku z želeno obliko imen, kratic in števil. Kot uredniško pripravo razpišite dvoumno kratico ali predvideno branje števila, kadar mora poslušalec slišati eno konkretno obliko. Pred obravnavo dolgega posnetka kot končanega poslušajte začetni odlomek s težavnimi imeni in prehodi. Število jezikov ne naredi vseh regionalnih izgovarjav zamenljivih.

Proizvajalec podpira vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane glasovne persone in replikacijo glasu. Identiteto glasu izberite ločeno od začasnih igralskih navodil. Kadar mora pripoved ostati enotna, identiteto in jedrnat opis izvedbe ponovno uporabite med deli. V dokumentirani konfiguraciji dveh govorcev vsaki repliki navedite izrecnega govorca, ki se ujema z enim od dveh nastavljenih vnaprej pripravljenih glasov. Googlov vodnik prizore več likov z oblikovanimi ali repliciranimi glasovi obravnava z ustvarjanjem posameznih replik. Ta razlika je pomembna pri načrtovanju dialoga namesto enega pripovedovalca.

Za običajne dokončane zahteve Googlov vodnik 3.8 določa zvok WAV z glavo RIFF, ki vsebuje 24 kHz mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Pretočna konfiguracija namesto tega privzeto vrača surove kose PCM brez glave; vodnik dokumentira tudi surov linearni PCM, mu-law in A-law. Nastavitve predvajanja ali urejanja uskladite z dejanskim izhodnim formatom. Preimenovanje PCM brez glave v končnico WAV ne doda podatkov vsebnika. Pri sestavljanju ločeno ustvarjenih replik ohranite enoten zvočni format in vsak celotni WAV obravnavajte kot datoteko z lastno glavo.

Natančna stran modela navaja omejitvi Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. Zvočni tokeni ne pomenijo stalnega števila izgovorjenih sekund. Dolgo gradivo pripravite v smiselnih delih, ohranite isti glas in slogovni opis ter poslušajte stike. To sta proizvajalčevi dokumentirani omejitvi izvajanja za ta model; opisujeta drugačno količino kot splošno kataloško polje konteksta. Vhod je besedilo in izhod zvok, zato so priprava scenarija, prevajanje in prepisovanje ločene pripravljalne ali nadaljnje naloge.

Flash-Lite deli strukturo zahteve 3.8 z Gemini 3.8 Flash TTS. Praktična izbira zadeva zahtevano izvedbo: Flash-Lite je namenjen hitri, ponavljajoči se produkciji, Flash TTS pa je ustvarjalna raven za težavno izgovarjavo, niansirano igranje in širše pokritje narečij. Rutinski članek pomoči in dramatičen prizor dveh likov postavljata različne zahteve glasu. Pred uporabo v končni poslušalski izkušnji dejanski posnetek preverite glede izpuščenih ali ponovljenih besed, izgovarjave, tempa in slišnih sprememb med segmenti.

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Govor POST /v1/audio/speech
Vhod
text
Izhod
audio
PoljeVrstaZahtevaVrednosti in omejitvePrivzeto
PoljemodelVrstastringZahtevaObveznoVrednosti in omejitve
google/gemini-3.8-flash-lite-tts
Privzeto—
PoljeinputVrstastringZahtevaObveznoVrednosti in omejitve
Najmanjša dolžina: 1
Privzeto—
PoljevoiceVrstastringZahtevaObveznoVrednosti in omejitve
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
Najmanjša dolžina: 1
Privzeto—
Poljeresponse_formatVrstastringZahtevaIzbirnoVrednosti in omejitve
mp3, pcm
Privzetopcm
PoljeproviderVrstaobjectZahtevaIzbirnoVrednosti in omejitvePrivzeto—
Parametri in življenjski cikel metode
ParameterSpecifikacija
Parametercontent_typeSpecifikacijaapplication/json
ParameterrequiredSpecifikacijamodel, input, voice
Parametermaterial_typesSpecifikacijatext

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}

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način
Ni navedeno Ko je izbran hitri način
Način flex
Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja
Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

NastavitevCenovna lestvicaObračunska enotaStrošek
NastavitevOsnovne cene žetonovCenovna lestvicaOsnovna cenaObračunska enota—Strošek
Vhod · Vhodni žetoni — / 1K žetonov
Izhod · Izhodni žetoni — / 1K žetonov
Vhod · Branje predpomnilnika — / 1K žetonov
Vhod · Zapis v predpomnilnik — / 1K žetonov
Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
Nastavitevvhodni žetonCenovna lestvica—Obračunska enota/ 1K žetonovStrošek
Vhod $0.001 / 1K žetonov
Nastavitevizhodni žetonCenovna lestvica—Obračunska enota/ 1K žetonovStrošek
Izhod $0.012 / 1K žetonov

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 Ultra · Govor

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-lite-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.\n

Prejmi in shrani rezultate

Ailoot Ultra · Govor

Celoten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti.

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
Branje druge vsebine
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.\n
Ohrani vse dokončane rezultate

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

Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.

Če je treba preveriti izvirni odgovor

Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.

Druga imena

Druga imena modelov

Ailoot Ultra google/gemini-3.8-flash-lite-tts

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

google/gemini-3.8-flash-lite-tts

", "method_identity": { "effective_request_model_id": "google/gemini-3.8-flash-lite-tts", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|google%2Fgemini-3.8-flash-lite-tts", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova." }, "outputs": { "all_results": "Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Celoten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti." }, "parameters": [ { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "input", "required": true, "type": "string" }, { "enum": [ "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" ], "enum_known": true, "min_length": 1, "name": "voice", "required": true, "type": "string" }, { "default": "pcm", "default_known": true, "enum": [ "mp3", "pcm" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input": { "minLength": 1, "type": "string" }, "model": { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "type": "string" }, "provider": { "description": "Documented speech data policy and provider-specific options.", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "pcm", "enum": [ "mp3", "pcm" ], "type": "string" }, "voice": { "enum": [ "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" ], "minLength": 1, "type": "string" } }, "required": [ "model", "input", "voice" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "${ACTUAL_INPUT_TEXT}", "model": "google/gemini-3.8-flash-lite-tts", "voice": "Zephyr" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text" ], "required": [ "model", "input", "voice" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Dejansko vrnjeni task_id ali zapis v medijski knjižnici", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Complete binary audio or original audio_url response, headers and every owned asset." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_INPUT_TEXT:?Set the actual documented input value}\"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Govor", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_speech", "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 1e-06, "output_token": 1.2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } } ], "model_id": "google/gemini-3.8-flash-lite-tts", "nativeProvenance": { "input_facts_canonical_sha256": "148cb2890c86cf9a8ca68d2e0e44e12f8d552dbc6008a00129e36200eea175bc", "input_html_sha256": "91439894fdd3e5bfec1c49d5579ef22eb0c1de1de319f5710ea28f2f8f7c8f9c", "private_audit_sha256": "2e8329cbae52dbb117153b29cd8eac7946e8a20902dc91866edbb4d01cf675b3", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-lite-tts/", "description": "Google Gemini 3.8 Flash-Lite TTS pretvori natančne scenarije v govor za funkcije branja na glas, rutinsko pripovedovanje in velike količine govorjene vsebine. Podpira 101 jezik, izbirne glasove ter nadzor izvedbe prek ločenih slogovnih metapodatkov z vstavljenimi oznakami kratkih premorov in glasovnih dogodkov.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-lite-tts/index.md", "title": "Google: Gemini 3.8 Flash Lite TTS — Ailoot", "url": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-lite-tts/" }, "rawModel": { "about": "Google Gemini 3.8 Flash-Lite TTS je član Googlove družine 3.8 za pretvorbo besedila v govor, usmerjen v velik obseg obdelave. Sprejema pisni scenarij in ustvari govorjeni zvok. Google ga namenja funkcijam branja na glas, vsakdanjemu pripovedovanju enega govorca, množični zvočni produkciji ter stopnji govornega izhoda sistemov glasovnih agentov. Uporaben izdelek je članek, prebran z enotnim glasom, govorjeno pojasnilo izdelka ali nabor kratkih navodilnih posnetkov. Scenarij naj že vsebuje besede, ki jih mora poslušalec slišati.\n\nDružina 3.8 loči prepis od navodil izvedbe. Govorjeno besedilo ohranite dobesedno, trajnejše čustvo, tempo, glasnost ali slog izvedbe pa postavite v govorne metapodatke. Topel uvod, nujno navodilo in tih zaključek imajo lahko kratek slogovni opis, pripet lastni repliki. Besedilo, kot je »Povejte veselo«, se lahko v prepisu samo izgovori. Imena govorcev sodijo v metapodatke govorca, ne kot oznake v slišni scenarij. Ta priprava je posebej pomembna pri ponovni uporabi pozivov, napisanih za Gemini 3.1 Flash TTS.\n\nZa kratke dogodke na določenem mestu uporabite vstavljene oznake v kotnih oklepajih: vdih, smeh, kašelj, vzdih ali premor. Prepis »Naslednji korak je preprost. Izberite želeni jezik.« na primer ohrani predvideni premor ob besedah, na katere vpliva. Trajnejšo šepetajočo izvedbo postavite v slogovni opis namesto ponavljajočega dodajanja oznak dogodkov. Google priporoča angleška imena oznak tudi za scenarije v drugih jezikih. Te nastavitve usmerjajo glas; sled aplavza ali loputanje vrat zahteva ločeno zvočno produkcijo, ne oznake glasovnega dogodka.\n\nGoogle za to izdajo navaja 101 podprt jezik, vključno z angleščino, ruščino, kitajščino, japonščino, korejščino, francoščino, nemščino, španščino, indonezijščino in vietnamščino. Končni scenarij napišite v predvidenem jeziku z želeno obliko imen, kratic in števil. Kot uredniško pripravo razpišite dvoumno kratico ali predvideno branje števila, kadar mora poslušalec slišati eno konkretno obliko. Pred obravnavo dolgega posnetka kot končanega poslušajte začetni odlomek s težavnimi imeni in prehodi. Število jezikov ne naredi vseh regionalnih izgovarjav zamenljivih.\n\nProizvajalec podpira vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane glasovne persone in replikacijo glasu. Identiteto glasu izberite ločeno od začasnih igralskih navodil. Kadar mora pripoved ostati enotna, identiteto in jedrnat opis izvedbe ponovno uporabite med deli. V dokumentirani konfiguraciji dveh govorcev vsaki repliki navedite izrecnega govorca, ki se ujema z enim od dveh nastavljenih vnaprej pripravljenih glasov. Googlov vodnik prizore več likov z oblikovanimi ali repliciranimi glasovi obravnava z ustvarjanjem posameznih replik. Ta razlika je pomembna pri načrtovanju dialoga namesto enega pripovedovalca.\n\nZa običajne dokončane zahteve Googlov vodnik 3.8 določa zvok WAV z glavo RIFF, ki vsebuje 24 kHz mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Pretočna konfiguracija namesto tega privzeto vrača surove kose PCM brez glave; vodnik dokumentira tudi surov linearni PCM, mu-law in A-law. Nastavitve predvajanja ali urejanja uskladite z dejanskim izhodnim formatom. Preimenovanje PCM brez glave v končnico WAV ne doda podatkov vsebnika. Pri sestavljanju ločeno ustvarjenih replik ohranite enoten zvočni format in vsak celotni WAV obravnavajte kot datoteko z lastno glavo.\n\nNatančna stran modela navaja omejitvi Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. Zvočni tokeni ne pomenijo stalnega števila izgovorjenih sekund. Dolgo gradivo pripravite v smiselnih delih, ohranite isti glas in slogovni opis ter poslušajte stike. To sta proizvajalčevi dokumentirani omejitvi izvajanja za ta model; opisujeta drugačno količino kot splošno kataloško polje konteksta. Vhod je besedilo in izhod zvok, zato so priprava scenarija, prevajanje in prepisovanje ločene pripravljalne ali nadaljnje naloge.\n\nFlash-Lite deli strukturo zahteve 3.8 z Gemini 3.8 Flash TTS. Praktična izbira zadeva zahtevano izvedbo: Flash-Lite je namenjen hitri, ponavljajoči se produkciji, Flash TTS pa je ustvarjalna raven za težavno izgovarjavo, niansirano igranje in širše pokritje narečij. Rutinski članek pomoči in dramatičen prizor dveh likov postavljata različne zahteve glasu. Pred uporabo v končni poslušalski izkušnji dejanski posnetek preverite glede izpuščenih ali ponovljenih besed, izgovarjave, tempa in slišnih sprememb med segmenti.", "alias_of": null, "aliases": [], "author": "Google", "capabilities": { "context_length": 32768, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ], "summary": "Celoten cenik konfiguracije je v podrobnostih." } ], "ctx": null, "formats": [ "speech" ], "id": "google/gemini-3.8-flash-lite-tts", "input": [ "text" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova." }, "outputs": { "all_results": "Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Celoten binarni zvok ali izvirni odgovor audio_url, glave in vsako sredstvo v vaši lasti." }, "parameters": [ { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "min_length": 1, "name": "input", "required": true, "type": "string" }, { "enum": [ "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" ], "enum_known": true, "min_length": 1, "name": "voice", "required": true, "type": "string" }, { "default": "pcm", "default_known": true, "enum": [ "mp3", "pcm" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input": { "minLength": 1, "type": "string" }, "model": { "enum": [ "google/gemini-3.8-flash-lite-tts" ], "type": "string" }, "provider": { "description": "Documented speech data policy and provider-specific options.", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "pcm", "enum": [ "mp3", "pcm" ], "type": "string" }, "voice": { "enum": [ "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" ], "minLength": 1, "type": "string" } }, "required": [ "model", "input", "voice" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": false, "body": { "input": "${ACTUAL_INPUT_TEXT}", "model": "google/gemini-3.8-flash-lite-tts", "voice": "Zephyr" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_types": [ "text" ], "required": [ "model", "input", "voice" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "Dejansko vrnjeni task_id ali zapis v medijski knjižnici", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/speech" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "audio", "formats": [ "mp3", "pcm" ], "result": "Complete binary audio or original audio_url response, headers and every owned asset." } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "examples": [ { "code": "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-lite-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 $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\n", "label": "Use actual input and retain the complete result", "language": "bash" }, { "code": "set -eu\n: \"${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.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Govor", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_speech", "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "input_token": 1e-06, "output_token": 1.2e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "input token", "units": [ { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" } ] }, { "dimensions": { "quoted_unit": "/ 1K tokens" }, "label": "output token", "units": [ { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.001000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_token", "label": "input token", "native_amount_usd_per_unit": "0.000001", "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": "0.012000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000012", "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" } ] } ], "model_aliases": [ { "canonical_model_id": "google/gemini-3.8-flash-lite-tts", "request_model_id": "google/gemini-3.8-flash-lite-tts", "route_label": "Ultra" } ], "name": "Google: Gemini 3.8 Flash Lite TTS", "price": { "in": null, "in_label": null, "out": 0.012, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.012, "varies": true }, "short": "Google Gemini 3.8 Flash-Lite TTS pretvori natančne scenarije v govor za funkcije branja na glas, rutinsko pripovedovanje in velike količine govorjene vsebine. Podpira 101 jezik, izbirne glasove ter nadzor izvedbe prek ločenih slogovnih metapodatkov z vstavljenimi oznakami kratkih premorov in glasovnih dogodkov." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Google Gemini 3.8 Flash-Lite TTS pretvori natančne scenarije v govor za funkcije branja na glas, rutinsko pripovedovanje in velike količine govorjene vsebine. Podpira 101 jezik, izbirne glasove ter nadzor izvedbe prek ločenih slogovnih metapodatkov z vstavljenimi oznakami kratkih premorov in glasovnih dogodkov.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "a9b895853b83d99a9416ae54bb62fd82e40c73f73330f815bad0e8d15516beaa", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "b8dc4b4bc07435d03c4447d5bcb0cc74dbc35094693de3d6879c48d7e3b92962" }