Gemini 3.8 Flash Tts

Talmodell från Google för uttrycksfull uppläsning, ljudböcker och dialoger med styrning av rösten och stöd för 130 språk.

Ailoot · Talproduktion POST /v1/audio/speech gemini-3.8-flash-tts

Om modellen

Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.

Gemini 3.8 Flash TTS är avsedd för uttrycksfull uppläsning och långt berättande. Google framhåller ljudböcker, dialoger med flera talare och en stabil röst över långa avsnitt. Talstyrningen omfattar känslouttryck, rytm och uttal, inklusive regionala accenter och dialekter.

Röster och språk

För modellen anges 130 språk, inklusive ryska. 30 färdiga röster, ett utökat bibliotek, skapande av en röstkaraktär från en beskrivning och återskapande av en röst från ett röstprov finns. Funktionerna gör det möjligt att välja klang och framförandets karaktär för det specifika materialet.

Dialogrepliker kopplas till talare. Ett anrop med flera talare kan använda högst två färdiga röster. Med röster skapade från beskrivningar eller röstprov syntetiseras replikerna separat. Att en sådan röst finns gör den inte till ytterligare en färdig röst i ett flerröstsanrop.

Text och framförandestyrning

Indata är text och utdata ljud. Gränserna är 8 192 indatatoken och 16 384 utdatatoken. Texten behandlas som repliken som ska uttalas. Stilbeskrivningen och den valda talaren anges separat. Det skiljer orden som ska höras från instruktionerna om hur de ska läsas.

Stilen omfattar känsla, tempo, ljudstyrka och prosodi. Korta händelser som skratt, suckar och pauser anges med särskilda ljudtaggar i repliken. Taggarna styr framförandet och är inte vanliga ord för uppläsning.

Ljudformat och möjligheter

Vid vanlig generering returneras WAV som standard. Vid strömmande överföring används PCM utan header som standard. Grundparametrarna är 24 kHz, en kanal och 16 bitar. Även PCM, mu-law och A-law finns. Kontextcachning och batchbearbetning stöds. Det specifika filformatet och tillgängliga inställningar beror på den valda talmetoden.

Modellen är specialiserad på att skapa tal. Funktionsanrop, kodkörning, filsökning, sökbaserad faktagrundning, Google Maps, bildgenerering, strukturerade textsvar, Thinking och webbadressers innehåll stöds inte. En stabil röst och styrbar uttrycksfullhet är angivna modellinriktningar, inte ett löfte om perfekt uttal av varje replik.

Ailoot · Talproduktion POST /v1/audio/speech gemini-3.8-flash-tts

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Start

Talmodell från Google för uttrycksfull uppläsning, ljudböcker och dialoger med styrning av rösten och stöd för 130 språk.

Godkända indata: Text
Resultat: Ljud

Tillgängligt i Ailoot · indata & metoder

Ailoot · Talproduktion POST /v1/audio/speech

Indatatyper: text
Utdatatyper: audio
Kontext: 8 192 tokens
Maximala utdata: 16 384 tokens
Utdataformat: ljudbyte i ursprungsformatet eller tillgångslänkar i JSON

Fält	Typ	Krav	Värden & gränser	Standard
Fält`model`	Typ`string`	KravObligatoriskt	Värden & gränser gemini-3.8-flash-tts	Standard—
Fält`input`	Typ`string`	KravObligatoriskt	Värden & gränser Minsta längd: 1	Standard—
Fält`voice`	Typ`string`	KravValfritt	Värden & gränser Achernar, Achird, Algenib, Algieba, Alnilam, Aoede, Arlo, Autonoe, Bodi, Brio, Callirrhoe, Charon, Cleo, Cruz, Daro, Despina, Elio, Enceladus, Enya, Enzo, Erinome, Fenrir, Finn, Fola, Gacrux, Gero, Hali, Iapetus, Jett, Jori, Kira, Knox, Koda, Kore, Laomedeia, Leda, Lora, Ludo, Lumi, Mako, Milo, Neno, Nika, Nyla, Olin, Orus, Puck, Pulcherrima, Rami, Rasalgethi, Riko, Rina, Sadachbia, Sadaltager, Sami, Schedar, Sola, Sulafat, Tari, Tavi, Tova, Umbriel, Varo, Veda, Vindemiatrix, Zali, Zeno, Zephyr, Zubenelgenubi, Zuri	StandardKore
Fält`response_format`	Typ`string`	KravValfritt	Värden & gränser , wav, json	Standard
Fält`stream_format`	Typ`string`	KravValfritt	Värden & gränser audio	Standard—

Kombinationer av indatamaterial

text_to_speech · Krävs: input

Metodparametrar och livscykel

Parameter	Avtal
Parameter`material_types`	Avtaltext
Parameter`required`	Avtalnull
Parameter`optional_controls`	Avtalnull

Livscykel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.

Priser

Priser för Ailoot-metoder

Ailoot TalproduktionPOST /v1/audio/speech

Indata: 0,0005 US$ / 1K
Utdata: 0,009 US$ / 1K
Cacheläsning: 0,000125 US$ / 1K

Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →

Exempelbegäranden

Ailoot · Talproduktion

Talexempel

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "gemini-3.8-flash-tts", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.wav

Ta emot och spara resultat

Ailoot · Talproduktion

ljudbyte i ursprungsformatet eller tillgångslänkar i JSON

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

Behåll alla färdiga resultat

Behåll varje fullständigt returnerat svar, fil och innehållsdel.

Ett enskilt resultat använder som standard ljudbyte i ursprungsformatet med faktisk Content-Type; response_format=json eller flera resultat returnerar alla länkar som du äger. Ingen begärd konvertering till MP3/Opus/AAC/FLAC/PCM eller SSE.

Om det ursprungliga svaret behöver kontrolleras

Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.

Svarsfält

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

Fel och nästa steg

Svar	Villkor	Nästa steg
Svar400 · `invalid_request_error`	VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde	Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa.
Svar`server_error`	VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras	Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen.

Alias

Modellalias

Ailoot gemini-3.8-flash-tts

Alias för metodsökvägar

Använd metodsökvägarna som visas ovan.

Relaterade anropar-ID:n

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Vilka indata och resultat finns?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
Vilka fält använder begäran?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Vilka gränser gäller?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts