Gemini 3.8 Flash Lite Tts

โมเดลเสียงพูดของ Google สำหรับพากย์ข้อความจำนวนมาก ประโยคต่อเนื่อง และการใช้งานเสียงใน 101 ภาษา

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

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Gemini 3.8 Flash-Lite TTS ออกแบบสำหรับงานเสียงพูดจำนวนมาก ทั้งอ่านข้อความ พากย์ประโยคต่อเนื่อง และการใช้งานเสียงทั่วไป ตามข้อมูลของ Google ลักษณะหลักคือความหน่วงต่ำและการประมวลผลจำนวนมากอย่างมีประสิทธิภาพ

การเลือกเสียง

โมเดลรองรับ 101 ภาษา รวมถึงภาษารัสเซีย ตัวเลือกมี เสียงสำเร็จรูป 30 เสียง คลังเสียงเพิ่มเติม การสร้างลักษณะเสียง และการเลียนเสียงจากตัวอย่าง กำหนดเสียง สไตล์ และประโยคที่จะพูดแยกกัน จึงไม่ต้องผสมข้อความที่ต้องการพากย์กับคำอธิบายลักษณะการอ่าน

Flash-Lite ใช้รูปแบบควบคุมเสียงพูดเดียวกับ Gemini 3.8 Flash TTS สำหรับบทสนทนา ประโยคจะผูกกับผู้พูดที่กำหนด คำขอหลายเสียงหนึ่งครั้งใช้เสียงสำเร็จรูปได้ไม่เกินสองเสียง ส่วนเสียงที่สร้างจากคำอธิบายหรือตัวอย่างใช้กับประโยคเสียงแยกกัน

ข้อมูลที่รับเข้า

อินพุตคือ ข้อความได้ถึง 8 192 โทเคน เอาต์พุตคือ เสียงที่มีขีดจำกัด 16 384 โทเคน การตั้งค่าการออกเสียงกำกับสไตล์การถ่ายทอด ส่วนเหตุการณ์เสียงสั้นและการหยุดเว้นช่วงกำหนดด้วยแท็กเสียงพิเศษภายในข้อความ นี่เป็นการสังเคราะห์เสียงพูดจากประโยคที่กำหนด ไม่ใช่การสร้างคำตอบข้อความให้คำถาม

รูปแบบและการประมวลผล

คำตอบทั่วไปใช้ WAV โดยค่าเริ่มต้น รูปแบบสตรีมเริ่มต้นคือ PCM ที่ไม่มี header พารามิเตอร์เสียงต้นทางคือ 24 kHz หนึ่งช่องสัญญาณ และ 16 บิต ผู้ผลิตยังรองรับ PCM, mu-law และ A-law รองรับการแคชบริบทและการประมวลผลแบบแบตช์ ควรพิจารณาความสามารถด้านรูปแบบเสียงแยกจากวิธีรับไฟล์จริงของวิธีด้านเสียงพูดที่เลือก

ขอบเขตของโมเดล

เวอร์ชันนี้ไม่ได้ระบุ Thinking การเรียกฟังก์ชัน การรันโค้ด การค้นหาในไฟล์ การอ้างอิงข้อมูลจากการค้นหา Google Maps คำตอบข้อความที่มีโครงสร้าง การสร้างภาพ หรือการใช้เนื้อหาจาก URL มีไว้สำหรับพากย์เนื้อหาที่เตรียมไว้ได้อย่างรวดเร็ว

การเน้นความหน่วงต่ำไม่ได้กำหนดเส้นตายของทุกคำขอ ความครอบคลุมภาษา วิธีเลือกเสียง และการควบคุมการถ่ายทอดอธิบายความสามารถของตัวโมเดล ไม่ได้หมายความว่าการตั้งค่าทั้งหมดจะใช้ได้โดยอัตโนมัติในทุกวิธีด้านเสียงพูด

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

gemini-3.8-flash-lite-tts

Google /gemini-3.8-flash-lite-tts

เริ่มต้น

อินพุตที่รองรับ: ข้อความ
ผลลัพธ์: เสียง

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech

ขาเข้า: text
ขาออก: audio
บริบท: 8,192 tokens
เอาต์พุตสูงสุด: 16,384 tokens
รูปแบบเอาต์พุต: ไบต์เสียงรูปแบบดั้งเดิมหรือลิงก์แอสเซ็ต JSON

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด gemini-3.8-flash-lite-tts	ค่าเริ่มต้น—
ฟิลด์`input`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด ความยาวขั้นต่ำ: 1	ค่าเริ่มต้น—
ฟิลด์`voice`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด 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	ค่าเริ่มต้นKore
ฟิลด์`response_format`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด , wav, json	ค่าเริ่มต้น
ฟิลด์`stream_format`	ประเภท`string`	ข้อกำหนดไม่บังคับ	ค่าและข้อจำกัด audio	ค่าเริ่มต้น—

ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`material_types`	ข้อกำหนดtext
พารามิเตอร์`required`	ข้อกำหนดnull
พารามิเตอร์`optional_controls`	ข้อกำหนดnull

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

ราคา

อัตราค่าบริการเมธอด Ailoot

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech

ขาเข้า: US$0.0005 / 1K
ขาออก: US$0.006 / 1K
การอ่านแคช: US$0.000125 / 1K

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด

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-lite-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

รับและบันทึกผลลัพธ์

Ailoot · การสังเคราะห์เสียงพูด

ไบต์เสียงรูปแบบดั้งเดิมหรือลิงก์แอสเซ็ต JSON

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

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

ผลลัพธ์เดียวใช้ไบต์เสียงรูปแบบดั้งเดิมพร้อม Content-Type จริงเป็นค่าเริ่มต้น response_format=json หรือผลลัพธ์หลายรายการจะส่งกลับลิงก์ทั้งหมดที่เป็นของคุณ ไม่มีการแปลงตามที่ขอเป็น MP3/Opus/AAC/FLAC/PCM หรือ SSE

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`binary native audio`	ประเภทbytes
ฟิลด์`model`	ประเภทstring
ฟิลด์`response_id`	ประเภทstring
ฟิลด์`actual_count`	ประเภทinteger
ฟิลด์`data[]`	ประเภทowned audio asset link

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้อง	ขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับ`server_error`	เงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์	ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot gemini-3.8-flash-lite-tts

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

gemini-3.8-flash-lite-tts

FAQ · Gemini 3.8 Flash Lite Tts

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: text → audio
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: model, input, voice, response_format, stream_format
มีข้อจำกัดใดบ้าง?: POST /v1/audio/speech · gemini-3.8-flash-lite-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Lite Tts