{ "aboutHtml": "

Google Gemini 3.8 Flash TTS je ustvarjalna raven glasovnega nastopa v Googlovi družini 3.8 za pretvorbo besedila v govor. Poudarja akustično zvestobo, čustveni razpon, regionalne naglase in kontinuiteto glasu lika skozi daljši dialog. Google izpostavlja zvočne knjige, studijsko pripovedovanje, zahtevno izgovarjavo in prizore z obsežnim glasovnim igranjem. Izhod je govorjeni zvok iz pripravljenega besedilnega scenarija, primeren za pregled pripovedovalčeve izvedbe ali razporeditev napisanega pogovora ob drugih produkcijskih elementih.

Začnite z natančnimi besedami za poslušanje. Prepis 3.8 se obravnava dobesedno, govorec in trajnejša izvedba pa sodita v ločene govorne metapodatke. Vsaki repliki določite jasno identiteto govorca in po potrebi jedrnato slogovno navodilo, kot sta zadržana zaskrbljenost ali vesela radovednost. Vrstico razdelite na ločene replike, kadar se čustvo ali tempo bistveno spremeni. Tako je opis lažje pregledati: prepis vsebuje dialog, priloženo navodilo pa pojasni izvedbo tega dela. Običajna pisna navodila v prepisu se lahko preberejo na glas.

Googlov glasovni sistem 3.8 vključuje vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane persone in replicirane glasovne identitete. Osnovno persono izberite pred začasnimi igralskimi spremembami. Stalen regionalni naglas ali identiteta lika pripada izbranemu glasu; polje style nadzoruje trenutno izvedbo. Proizvajalec svetuje ponovno uporabo tega glasu s kratkimi navodili namesto ponavljanja dolgih blokov Audio Profile ali Director’s Notes. Dokumentirana konfiguracija dialoga v eni zahtevi združuje največ dva vnaprej pripravljena govorca. Pri oblikovanih ali repliciranih likih vodnik za sestavo pogovora več likov usmerja v ustvarjanje posameznih replik.

Kratko človeško oglašanje ali premor postavite na relevantno mesto z oznako v kotnih oklepajih. Izvirni primer scenarija je »Mislil sem, da si odšel. <short pause> <sigh> Pustil sem prižgano luč.« Zadržano izvedbo pripnite celotni repliki, namesto da navodilo postavite med izgovorjene besede. Ločila in velike črke lahko pomagajo oblikovati obotavljanje ali poudariti besedo. Google dokumentira tudi odzive poslušalca, ločene z navpično črto, za kratke odzive med poslušanjem in prekrivajoči se dialog ter Flash TTS označuje kot prednostno izdajo 3.8 za večje prekrivanje. Odzivi naj bodo dovolj kratki, da poslušalec še razume glavno repliko.

Proizvajalec za Flash TTS navaja 130 podprtih jezikov in poudarja pokritje regionalnih ter manjšinskih narečij. Opis regionalne izvedbe je uporaben za lokaliziran lik zvočne knjige ali pripoved, katere naglas je pomemben občinstvu. Scenarij pripravite v končnem jeziku, z enotnim zapisom ponavljajočih se imen in namernim branjem kratic ter števil. Kot uredniški korak začnite poslušanje z odlomki, ki vsebujejo težavna imena, spremembe narečja ali čustvene prehode. Želeni naglas in tempo ocenite v ustvarjenem glasu, ne samo na podlagi jezikovne oznake.

Vodnik izhoda 3.8 loči celotne datoteke od pretočnega zvoka. Privzeti rezultat dokončane zahteve je datoteka WAV z glavo RIFF: 24 kHz, mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Privzeti pretočni izhod je surov linearni PCM brez glave z enakimi lastnostmi vzorcev. Surov linearni PCM, mu-law in A-law so prav tako dokumentirane možnosti kodiranja. Pri pripravi predvajanja ali uvozu v urejevalnik uporabite dejanske informacije o kodiranju. Pri zaporedju ločenih datotek dialoga ohranite enake formate in na stikih preglejte nenadne spremembe ravni, tempa ali zvoka prostora.

Googlova natančna stran modela določa omejitvi izvajanja Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. To sta omejitvi tokenov, ne stalno trajanje zvočne knjige ali natančno število sekund govora. Dolge scenarije razdelite na smiselnih mejah in izbrano glasovno identiteto ohranite med deli. Pri produkciji celotnega poglavja poslušajte kontinuiteto pri spremembah odstavkov in prizorov ter natančnost besed v vsakem segmentu. Dober praktičen pregled zabeleži replike, ki potrebujejo popravek izgovarjave ali igranja, namesto prepisovanja celotnega glasovnega opisa po vsakem posnetku.

Flash TTS in Flash-Lite TTS delita pripravljalno strukturo 3.8, zato lahko izbira izdaje sledi zahtevam dela. Flash TTS poudarja igranje, zahteven dialog, težavno izgovarjavo in širše pokritje narečij; Flash-Lite poudarja prepustnost rutinske govorjene vsebine. Izrazne nastavitve se nanašajo na človeški govor in glasovne dogodke. Učinke ozadja, glasbeno podlago in dokončno produkcijsko mešanico je mogoče načrtovati kot ločene izdelke. Pisanje scenarija, prevajanje in prepoznavanje posnetega govora ostajajo ločene stopnje okoli tega modela za pretvorbo besedila v zvok.

", "aboutText": "Google Gemini 3.8 Flash TTS je ustvarjalna raven glasovnega nastopa v Googlovi družini 3.8 za pretvorbo besedila v govor. Poudarja akustično zvestobo, čustveni razpon, regionalne naglase in kontinuiteto glasu lika skozi daljši dialog. Google izpostavlja zvočne knjige, studijsko pripovedovanje, zahtevno izgovarjavo in prizore z obsežnim glasovnim igranjem. Izhod je govorjeni zvok iz pripravljenega besedilnega scenarija, primeren za pregled pripovedovalčeve izvedbe ali razporeditev napisanega pogovora ob drugih produkcijskih elementih.\n\nZačnite z natančnimi besedami za poslušanje. Prepis 3.8 se obravnava dobesedno, govorec in trajnejša izvedba pa sodita v ločene govorne metapodatke. Vsaki repliki določite jasno identiteto govorca in po potrebi jedrnato slogovno navodilo, kot sta zadržana zaskrbljenost ali vesela radovednost. Vrstico razdelite na ločene replike, kadar se čustvo ali tempo bistveno spremeni. Tako je opis lažje pregledati: prepis vsebuje dialog, priloženo navodilo pa pojasni izvedbo tega dela. Običajna pisna navodila v prepisu se lahko preberejo na glas.\n\nGooglov glasovni sistem 3.8 vključuje vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane persone in replicirane glasovne identitete. Osnovno persono izberite pred začasnimi igralskimi spremembami. Stalen regionalni naglas ali identiteta lika pripada izbranemu glasu; polje style nadzoruje trenutno izvedbo. Proizvajalec svetuje ponovno uporabo tega glasu s kratkimi navodili namesto ponavljanja dolgih blokov Audio Profile ali Director’s Notes. Dokumentirana konfiguracija dialoga v eni zahtevi združuje največ dva vnaprej pripravljena govorca. Pri oblikovanih ali repliciranih likih vodnik za sestavo pogovora več likov usmerja v ustvarjanje posameznih replik.\n\nKratko človeško oglašanje ali premor postavite na relevantno mesto z oznako v kotnih oklepajih. Izvirni primer scenarija je »Mislil sem, da si odšel. Pustil sem prižgano luč.« Zadržano izvedbo pripnite celotni repliki, namesto da navodilo postavite med izgovorjene besede. Ločila in velike črke lahko pomagajo oblikovati obotavljanje ali poudariti besedo. Google dokumentira tudi odzive poslušalca, ločene z navpično črto, za kratke odzive med poslušanjem in prekrivajoči se dialog ter Flash TTS označuje kot prednostno izdajo 3.8 za večje prekrivanje. Odzivi naj bodo dovolj kratki, da poslušalec še razume glavno repliko.\n\nProizvajalec za Flash TTS navaja 130 podprtih jezikov in poudarja pokritje regionalnih ter manjšinskih narečij. Opis regionalne izvedbe je uporaben za lokaliziran lik zvočne knjige ali pripoved, katere naglas je pomemben občinstvu. Scenarij pripravite v končnem jeziku, z enotnim zapisom ponavljajočih se imen in namernim branjem kratic ter števil. Kot uredniški korak začnite poslušanje z odlomki, ki vsebujejo težavna imena, spremembe narečja ali čustvene prehode. Želeni naglas in tempo ocenite v ustvarjenem glasu, ne samo na podlagi jezikovne oznake.\n\nVodnik izhoda 3.8 loči celotne datoteke od pretočnega zvoka. Privzeti rezultat dokončane zahteve je datoteka WAV z glavo RIFF: 24 kHz, mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Privzeti pretočni izhod je surov linearni PCM brez glave z enakimi lastnostmi vzorcev. Surov linearni PCM, mu-law in A-law so prav tako dokumentirane možnosti kodiranja. Pri pripravi predvajanja ali uvozu v urejevalnik uporabite dejanske informacije o kodiranju. Pri zaporedju ločenih datotek dialoga ohranite enake formate in na stikih preglejte nenadne spremembe ravni, tempa ali zvoka prostora.\n\nGooglova natančna stran modela določa omejitvi izvajanja Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. To sta omejitvi tokenov, ne stalno trajanje zvočne knjige ali natančno število sekund govora. Dolge scenarije razdelite na smiselnih mejah in izbrano glasovno identiteto ohranite med deli. Pri produkciji celotnega poglavja poslušajte kontinuiteto pri spremembah odstavkov in prizorov ter natančnost besed v vsakem segmentu. Dober praktičen pregled zabeleži replike, ki potrebujejo popravek izgovarjave ali igranja, namesto prepisovanja celotnega glasovnega opisa po vsakem posnetku.\n\nFlash TTS in Flash-Lite TTS delita pripravljalno strukturo 3.8, zato lahko izbira izdaje sledi zahtevam dela. Flash TTS poudarja igranje, zahteven dialog, težavno izgovarjavo in širše pokritje narečij; Flash-Lite poudarja prepustnost rutinske govorjene vsebine. Izrazne nastavitve se nanašajo na človeški govor in glasovne dogodke. Učinke ozadja, glasbeno podlago in dokončno produkcijsko mešanico je mogoče načrtovati kot ločene izdelke. Pisanje scenarija, prevajanje in prepoznavanje posnetega govora ostajajo ločene stopnje okoli tega modela za pretvorbo besedila v zvok.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2d8ee704167a10b94e6bfd02ab8a394152f10dcea78ba6d8f930abc4d5c66544", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "
G

Google: Gemini 3.8 Flash TTS

Google /google/gemini-3.8-flash-tts

Začetek

Google Gemini 3.8 Flash TTS ustvarja izrazni govor za zvočne knjige, studijsko pripovedovanje in dialog likov. Združuje dobesedni scenarij z ločenimi navodili za govorca in igralski nastop, kratkotrajnimi glasovnimi oznakami ter pokritjem 130 jezikov, s poudarkom na izgovarjavi, regionalnih naglasih in skladnosti glasu.

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 TTS je ustvarjalna raven glasovnega nastopa v Googlovi družini 3.8 za pretvorbo besedila v govor. Poudarja akustično zvestobo, čustveni razpon, regionalne naglase in kontinuiteto glasu lika skozi daljši dialog. Google izpostavlja zvočne knjige, studijsko pripovedovanje, zahtevno izgovarjavo in prizore z obsežnim glasovnim igranjem. Izhod je govorjeni zvok iz pripravljenega besedilnega scenarija, primeren za pregled pripovedovalčeve izvedbe ali razporeditev napisanega pogovora ob drugih produkcijskih elementih.

Začnite z natančnimi besedami za poslušanje. Prepis 3.8 se obravnava dobesedno, govorec in trajnejša izvedba pa sodita v ločene govorne metapodatke. Vsaki repliki določite jasno identiteto govorca in po potrebi jedrnato slogovno navodilo, kot sta zadržana zaskrbljenost ali vesela radovednost. Vrstico razdelite na ločene replike, kadar se čustvo ali tempo bistveno spremeni. Tako je opis lažje pregledati: prepis vsebuje dialog, priloženo navodilo pa pojasni izvedbo tega dela. Običajna pisna navodila v prepisu se lahko preberejo na glas.

Googlov glasovni sistem 3.8 vključuje vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane persone in replicirane glasovne identitete. Osnovno persono izberite pred začasnimi igralskimi spremembami. Stalen regionalni naglas ali identiteta lika pripada izbranemu glasu; polje style nadzoruje trenutno izvedbo. Proizvajalec svetuje ponovno uporabo tega glasu s kratkimi navodili namesto ponavljanja dolgih blokov Audio Profile ali Director’s Notes. Dokumentirana konfiguracija dialoga v eni zahtevi združuje največ dva vnaprej pripravljena govorca. Pri oblikovanih ali repliciranih likih vodnik za sestavo pogovora več likov usmerja v ustvarjanje posameznih replik.

Kratko človeško oglašanje ali premor postavite na relevantno mesto z oznako v kotnih oklepajih. Izvirni primer scenarija je »Mislil sem, da si odšel. <short pause> <sigh> Pustil sem prižgano luč.« Zadržano izvedbo pripnite celotni repliki, namesto da navodilo postavite med izgovorjene besede. Ločila in velike črke lahko pomagajo oblikovati obotavljanje ali poudariti besedo. Google dokumentira tudi odzive poslušalca, ločene z navpično črto, za kratke odzive med poslušanjem in prekrivajoči se dialog ter Flash TTS označuje kot prednostno izdajo 3.8 za večje prekrivanje. Odzivi naj bodo dovolj kratki, da poslušalec še razume glavno repliko.

Proizvajalec za Flash TTS navaja 130 podprtih jezikov in poudarja pokritje regionalnih ter manjšinskih narečij. Opis regionalne izvedbe je uporaben za lokaliziran lik zvočne knjige ali pripoved, katere naglas je pomemben občinstvu. Scenarij pripravite v končnem jeziku, z enotnim zapisom ponavljajočih se imen in namernim branjem kratic ter števil. Kot uredniški korak začnite poslušanje z odlomki, ki vsebujejo težavna imena, spremembe narečja ali čustvene prehode. Želeni naglas in tempo ocenite v ustvarjenem glasu, ne samo na podlagi jezikovne oznake.

Vodnik izhoda 3.8 loči celotne datoteke od pretočnega zvoka. Privzeti rezultat dokončane zahteve je datoteka WAV z glavo RIFF: 24 kHz, mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Privzeti pretočni izhod je surov linearni PCM brez glave z enakimi lastnostmi vzorcev. Surov linearni PCM, mu-law in A-law so prav tako dokumentirane možnosti kodiranja. Pri pripravi predvajanja ali uvozu v urejevalnik uporabite dejanske informacije o kodiranju. Pri zaporedju ločenih datotek dialoga ohranite enake formate in na stikih preglejte nenadne spremembe ravni, tempa ali zvoka prostora.

Googlova natančna stran modela določa omejitvi izvajanja Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. To sta omejitvi tokenov, ne stalno trajanje zvočne knjige ali natančno število sekund govora. Dolge scenarije razdelite na smiselnih mejah in izbrano glasovno identiteto ohranite med deli. Pri produkciji celotnega poglavja poslušajte kontinuiteto pri spremembah odstavkov in prizorov ter natančnost besed v vsakem segmentu. Dober praktičen pregled zabeleži replike, ki potrebujejo popravek izgovarjave ali igranja, namesto prepisovanja celotnega glasovnega opisa po vsakem posnetku.

Flash TTS in Flash-Lite TTS delita pripravljalno strukturo 3.8, zato lahko izbira izdaje sledi zahtevam dela. Flash TTS poudarja igranje, zahteven dialog, težavno izgovarjavo in širše pokritje narečij; Flash-Lite poudarja prepustnost rutinske govorjene vsebine. Izrazne nastavitve se nanašajo na človeški govor in glasovne dogodke. Učinke ozadja, glasbeno podlago in dokončno produkcijsko mešanico je mogoče načrtovati kot ločene izdelke. Pisanje scenarija, prevajanje in prepoznavanje posnetega govora ostajajo ločene stopnje okoli tega modela za pretvorbo besedila v zvok.

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-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 $0.018 / 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-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-tts

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

google/gemini-3.8-flash-tts

", "method_identity": { "effective_request_model_id": "google/gemini-3.8-flash-tts", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "google/gemini-3.8-flash-tts", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|google%2Fgemini-3.8-flash-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-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-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-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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: \"${AILOOT_INPUT_TEXT:?Set the actual documented input value}\"\nexport AILOOT_INPUT_TEXT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nrequest={'model': 'google/gemini-3.8-flash-tts', 'input': '${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": 1.8e-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-tts", "nativeProvenance": { "input_facts_canonical_sha256": "04f535b6f6079d67eeb32d8adc1ee49ced51d383f9330738e2827a6ff52601af", "input_html_sha256": "82ba053fc7a85eacc7b7f3137a5457ba63ddb14737a1c88473d6a54255f26527", "private_audit_sha256": "79a8156ca13f5463666ab564a8d4fc6af8bf9e36800c877c8ff2746f62744ae0", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-tts/", "description": "Google Gemini 3.8 Flash TTS ustvarja izrazni govor za zvočne knjige, studijsko pripovedovanje in dialog likov. Združuje dobesedni scenarij z ločenimi navodili za govorca in igralski nastop, kratkotrajnimi glasovnimi oznakami ter pokritjem 130 jezikov, s poudarkom na izgovarjavi, regionalnih naglasih in skladnosti glasu.", "locale": "sl", "md_url": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-tts/index.md", "title": "Google: Gemini 3.8 Flash TTS — Ailoot", "url": "https://ailoot.ai/models/sl/google-gemini-3-8-flash-tts/" }, "rawModel": { "about": "Google Gemini 3.8 Flash TTS je ustvarjalna raven glasovnega nastopa v Googlovi družini 3.8 za pretvorbo besedila v govor. Poudarja akustično zvestobo, čustveni razpon, regionalne naglase in kontinuiteto glasu lika skozi daljši dialog. Google izpostavlja zvočne knjige, studijsko pripovedovanje, zahtevno izgovarjavo in prizore z obsežnim glasovnim igranjem. Izhod je govorjeni zvok iz pripravljenega besedilnega scenarija, primeren za pregled pripovedovalčeve izvedbe ali razporeditev napisanega pogovora ob drugih produkcijskih elementih.\n\nZačnite z natančnimi besedami za poslušanje. Prepis 3.8 se obravnava dobesedno, govorec in trajnejša izvedba pa sodita v ločene govorne metapodatke. Vsaki repliki določite jasno identiteto govorca in po potrebi jedrnato slogovno navodilo, kot sta zadržana zaskrbljenost ali vesela radovednost. Vrstico razdelite na ločene replike, kadar se čustvo ali tempo bistveno spremeni. Tako je opis lažje pregledati: prepis vsebuje dialog, priloženo navodilo pa pojasni izvedbo tega dela. Običajna pisna navodila v prepisu se lahko preberejo na glas.\n\nGooglov glasovni sistem 3.8 vključuje vnaprej pripravljene glasove, razširjeno knjižnico glasov, oblikovane persone in replicirane glasovne identitete. Osnovno persono izberite pred začasnimi igralskimi spremembami. Stalen regionalni naglas ali identiteta lika pripada izbranemu glasu; polje style nadzoruje trenutno izvedbo. Proizvajalec svetuje ponovno uporabo tega glasu s kratkimi navodili namesto ponavljanja dolgih blokov Audio Profile ali Director’s Notes. Dokumentirana konfiguracija dialoga v eni zahtevi združuje največ dva vnaprej pripravljena govorca. Pri oblikovanih ali repliciranih likih vodnik za sestavo pogovora več likov usmerja v ustvarjanje posameznih replik.\n\nKratko človeško oglašanje ali premor postavite na relevantno mesto z oznako v kotnih oklepajih. Izvirni primer scenarija je »Mislil sem, da si odšel. Pustil sem prižgano luč.« Zadržano izvedbo pripnite celotni repliki, namesto da navodilo postavite med izgovorjene besede. Ločila in velike črke lahko pomagajo oblikovati obotavljanje ali poudariti besedo. Google dokumentira tudi odzive poslušalca, ločene z navpično črto, za kratke odzive med poslušanjem in prekrivajoči se dialog ter Flash TTS označuje kot prednostno izdajo 3.8 za večje prekrivanje. Odzivi naj bodo dovolj kratki, da poslušalec še razume glavno repliko.\n\nProizvajalec za Flash TTS navaja 130 podprtih jezikov in poudarja pokritje regionalnih ter manjšinskih narečij. Opis regionalne izvedbe je uporaben za lokaliziran lik zvočne knjige ali pripoved, katere naglas je pomemben občinstvu. Scenarij pripravite v končnem jeziku, z enotnim zapisom ponavljajočih se imen in namernim branjem kratic ter števil. Kot uredniški korak začnite poslušanje z odlomki, ki vsebujejo težavna imena, spremembe narečja ali čustvene prehode. Želeni naglas in tempo ocenite v ustvarjenem glasu, ne samo na podlagi jezikovne oznake.\n\nVodnik izhoda 3.8 loči celotne datoteke od pretočnega zvoka. Privzeti rezultat dokončane zahteve je datoteka WAV z glavo RIFF: 24 kHz, mono, predznačeni 16-bitni PCM z vrstnim redom little-endian. Privzeti pretočni izhod je surov linearni PCM brez glave z enakimi lastnostmi vzorcev. Surov linearni PCM, mu-law in A-law so prav tako dokumentirane možnosti kodiranja. Pri pripravi predvajanja ali uvozu v urejevalnik uporabite dejanske informacije o kodiranju. Pri zaporedju ločenih datotek dialoga ohranite enake formate in na stikih preglejte nenadne spremembe ravni, tempa ali zvoka prostora.\n\nGooglova natančna stran modela določa omejitvi izvajanja Gemini API na 8 192 vhodnih tokenov in 16 384 izhodnih tokenov. To sta omejitvi tokenov, ne stalno trajanje zvočne knjige ali natančno število sekund govora. Dolge scenarije razdelite na smiselnih mejah in izbrano glasovno identiteto ohranite med deli. Pri produkciji celotnega poglavja poslušajte kontinuiteto pri spremembah odstavkov in prizorov ter natančnost besed v vsakem segmentu. Dober praktičen pregled zabeleži replike, ki potrebujejo popravek izgovarjave ali igranja, namesto prepisovanja celotnega glasovnega opisa po vsakem posnetku.\n\nFlash TTS in Flash-Lite TTS delita pripravljalno strukturo 3.8, zato lahko izbira izdaje sledi zahtevam dela. Flash TTS poudarja igranje, zahteven dialog, težavno izgovarjavo in širše pokritje narečij; Flash-Lite poudarja prepustnost rutinske govorjene vsebine. Izrazne nastavitve se nanašajo na človeški govor in glasovne dogodke. Učinke ozadja, glasbeno podlago in dokončno produkcijsko mešanico je mogoče načrtovati kot ločene izdelke. Pisanje scenarija, prevajanje in prepoznavanje posnetega govora ostajajo ločene stopnje okoli tega modela za pretvorbo besedila v zvok.", "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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-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-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-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-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-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": 1.8e-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-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": "0.018000", "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_token", "label": "output token", "native_amount_usd_per_unit": "0.000018", "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-tts", "request_model_id": "google/gemini-3.8-flash-tts", "route_label": "Ultra" } ], "name": "Google: Gemini 3.8 Flash TTS", "price": { "in": null, "in_label": null, "out": 0.018, "out_label": "/ 1K tokens", "sort_in": null, "sort_out": 0.018, "varies": true }, "short": "Google Gemini 3.8 Flash TTS ustvarja izrazni govor za zvočne knjige, studijsko pripovedovanje in dialog likov. Združuje dobesedni scenarij z ločenimi navodili za govorca in igralski nastop, kratkotrajnimi glasovnimi oznakami ter pokritjem 130 jezikov, s poudarkom na izgovarjavi, regionalnih naglasih in skladnosti glasu." }, "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 TTS ustvarja izrazni govor za zvočne knjige, studijsko pripovedovanje in dialog likov. Združuje dobesedni scenarij z ločenimi navodili za govorca in igralski nastop, kratkotrajnimi glasovnimi oznakami ter pokritjem 130 jezikov, s poudarkom na izgovarjavi, regionalnih naglasih in skladnosti glasu.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "3131a720f5fc80d0034d12f46b1daac9c9c3d2f0fd615253225d4000549a4d89", "renderer_sha256": "dcba2271c18b0f9570a8b166e8d1e3166f121e096a58609c3a46da31562a1bf2" }, "sourceRevision": "f860c61cfacfe79d5051462d260ba36346f976de846588ff8d65af084ff2ee13" }