Gemini 3.8 Flash Tts

Ovozni boshqarish va 130 tilni qo‘llab-quvvatlash bilan ifodali ovozlashtirish, audiokitoblar va suhbatlar uchun Google’ning nutq modeli.

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

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Gemini 3.8 Flash TTS ifodali ovozlashtirish va uzun hikoya qilish uchun mo‘ljallangan. Google audiokitoblar, bir nechta so‘zlovchili suhbatlar va uzun parchalarda ovoz barqarorligini ta’kidlaydi. Nutqni boshqarish hissiy ifoda, ritm va talaffuzni, jumladan, mintaqaviy aksentlar va lahjalarni qamrab oladi.

Ovozlar va tillar

Model uchun 130 til, jumladan, rus tili e’lon qilingan. 30 ta tayyor ovoz, kengaytirilgan kutubxona, tavsif asosida ovoz qiyofasini yaratish va namuna asosida ovozni qayta yaratish mavjud. Bu imkoniyatlar aniq material uchun tembr va ijro xususiyatini tanlashga imkon beradi.

Suhbat replikalari so‘zlovchilarga bog‘lanadi. Bir nechta so‘zlovchili bitta so‘rovda ko‘pi bilan ikkita tayyor ovoz ishlatilishi mumkin. Tavsif yoki namuna asosida yaratilgan ovozlar bilan replikalar alohida sintez qilinadi; bunday ovoz mavjudligi uni ko‘p ovozli so‘rov ichidagi yana bir tayyor ovozga aylantirmaydi.

Matn va ifodani boshqarish

Kirish — matn, chiqish — audio. Chegaralar 8 192 kirish tokeni va 16 384 chiqish tokenini tashkil etadi. Matn aytiladigan replika sifatida talqin qilinadi; uslub tavsifi va tanlangan so‘zlovchi alohida belgilanadi. Bu aytilishi kerak bo‘lgan so‘zlarni ularni qanday o‘qish haqidagi ko‘rsatmalardan ajratishga imkon beradi.

Uslub hissiyot, sur’at, balandlik va prosodiyani qamrab oladi. Qisqa hodisalar — kulgi, xo‘rsinish, pauza — replika ichidagi maxsus audioteglar bilan belgilanadi. Bunday teglar o‘qiladigan oddiy so‘zlar emas, ijroni boshqarish uchun xizmat qiladi.

Audioformatlar va imkoniyatlar

Oddiy yaratishda standart holatda WAV qaytariladi. Oqimli uzatish uchun standart holatda sarlavhasiz PCM ishlatiladi. Boshlang‘ich parametrlar — 24 kHz, bir kanal va 16 bit. PCM, mu-law va A-law ham ko‘zda tutilgan. Kontekstni keshlash va paketli qayta ishlash qo‘llab-quvvatlanadi. Aniq fayl formati va mavjud sozlamalar tanlangan nutq metodiga bog‘liq.

Model nutq yaratishga ixtisoslashgan. Funksiya chaqiruvlari, kod bajarish, fayllar bo‘yicha qidiruv, qidiruv natijalari bilan asoslash, Google Maps, tasvir yaratish, tuzilmali matnli javoblar, Thinking va veb-manzillar mazmuni qo‘llab-quvvatlanmaydi. Barqaror ovoz va boshqariladigan ifodalilik — modelning e’lon qilingan yo‘nalishlari, har bir replikaning mukammal talaffuzi va’dasi emas.

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

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Boshlash

Ovozni boshqarish va 130 tilni qo‘llab-quvvatlash bilan ifodali ovozlashtirish, audiokitoblar va suhbatlar uchun Google’ning nutq modeli.

Qabul qilinadigan kirish ma’lumotlari: Matn
Natijalar: Audio

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot · Ovozlashtirish POST /v1/audio/speech

Kirish: text
Chiqish: audio
Kontekst: 8 192 tokens
Eng katta chiqish: 16 384 tokens
Chiqish formati: asl audio baytlari yoki JSON dagi aktiv havolalari

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar gemini-3.8-flash-tts	Standart—
Maydon`input`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar Eng kam uzunlik: 1	Standart—
Maydon`voice`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar 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	StandartKore
Maydon`response_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar , wav, json	Standart
Maydon`stream_format`	Tur`string`	TalabIxtiyoriy	Qiymatlar va cheklovlar audio	Standart—

Kirish materiallari birikmalari

text_to_speech · Majburiy: input

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`material_types`	Parametr talablaritext
Parametr`required`	Parametr talablarinull
Parametr`optional_controls`	Parametr talablarinull

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Amalda qaytarilgan task_id yoki media kutubxonasidagi yozuv

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Metod tuzilishlari va IDlari aniq; yetkazib beruvchining imkoniyati so‘rovni qabul qilishga ruxsatdan alohida.

Tariflar

Ailoot usullari tariflari

Ailoot OvozlashtirishPOST /v1/audio/speech

Kirish: 0,0005 US$ / 1K
Chiqish: 0,009 US$ / 1K
Keshdan o‘qish: 0,000125 US$ / 1K

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot · Ovozlashtirish

Ovozlashtirish namunasi

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

Natijalarni olish va saqlash

Ailoot · Ovozlashtirish

asl audio baytlari yoki JSON dagi aktiv havolalari

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

Bitta chiqish standart ravishda haqiqiy Content-Type bilan asl audio baytlarini qaytaradi; response_format=json yoki bir nechta chiqish egalik qilinadigan barcha havolalarni qaytaradi. So‘ralgan MP3/Opus/AAC/FLAC/PCM konvertatsiyasi yoki SSE yo‘q.

Asl javobni tekshirish kerak bo‘lsa

Ma’lumotlarni solishtirib tekshirish uchun dastlabki operation_id/X-Client-Request-ID ni saqlang va so‘rovni qayta yubormang; audio holatini davriy tekshirish uchun alohida yo‘nalish yo‘q.

Javob maydonlari

Maydon	Tur
Maydon`binary native audio`	Turbytes
Maydon`model`	Turstring
Maydon`response_id`	Turstring
Maydon`actual_count`	Turinteger
Maydon`data[]`	Turowned audio asset link

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartMajburiy maydonlar, material ifodasi yoki parametr qiymati noto‘g‘ri	Keyingi qadamYangi yaratish so‘rovidan oldin ko‘rsatilgan maydonlarni tuzating.
Javob`server_error`	ShartQaytarilgan javob operatsiya yoki natijani tekshirish kerakligini bildiradi	Keyingi qadamDastlab qaytarilgan operatsiya/vazifa ID sini, so‘rov sarlavhalarini va javobni saqlang; aynan shu operatsiya uchun qo‘llab-quvvatlanadigan o‘qish so‘rovlarini davom ettiring. Yaratish so‘rovini qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot gemini-3.8-flash-tts

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Qanday cheklovlar amal qiladi?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts