Google Gemini 3.8 Flash TTS — Google’ning 3.8 matndan nutqqa aylantirish oilasidagi ijodiy ovoz ijrosi darajasi. Uning asosiy yo‘nalishi akustik aniqlik, hissiy diapazon, hududiy aksentlar va uzun muloqot davomida qahramon ovozining uzluksizligidir. Google audiokitoblar, studiya diktorligi, qiyin talaffuz va jiddiy ovoz aktyorligini talab qiladigan sahnalarni alohida ko‘rsatadi. Chiqish tayyor matn ssenariysidan yaratilgan og‘zaki audio bo‘lib, diktor ijrosini tekshirish yoki ssenariyli suhbatni boshqa ishlab chiqarish elementlari bilan birga tartiblashga mos.
Eshitilishi kerak bo‘lgan aynan so‘zlardan boshlang. 3.8 transkriptga so‘zma-so‘z munosabatda bo‘ladi, so‘zlovchi va davomli ijro esa alohida nutq metama’lumotlariga tegishli. Har bir navbatga aniq so‘zlovchi identifikatori va foydali bo‘lsa, vazmin xavotir yoki quvnoq qiziqish kabi ixcham uslub ko‘rsatmasini bering. Hissiyot yoki sur’at jiddiy o‘zgarsa, satrni alohida navbatlarga bo‘ling. Bu topshiriqni tekshirishni osonlashtiradi: transkript muloqotni o‘z ichiga oladi, biriktirilgan ko‘rsatma esa shu qism qanday ijro etilishini tushuntiradi. Transkriptga joylashtirilgan oddiy yozma ko‘rsatmalar ovoz chiqarib o‘qilishi mumkin.
Google’ning 3.8 ovoz tizimi tayyor ovozlar, kengaytirilgan ovoz kutubxonasi, yaratilgan personajlar va klonlangan ovozlarni o‘z ichiga oladi. Vaqtinchalik ijro o‘zgarishlarini qo‘llashdan oldin asosiy personajni tanlang. Barqaror hududiy aksent yoki qahramon identifikatori tanlangan ovozga tegishli; style maydoni joriy ijroni boshqaradi. Ishlab chiqaruvchi uzun Audio Profile yoki Director’s Notes bloklarini takrorlash o‘rniga, shu ovozni qisqa ko‘rsatmalar bilan qayta ishlatishni tavsiya qiladi. Uning hujjatlashtirilgan bitta so‘rovli muloqot konfiguratsiyasi ikkitagacha tayyor so‘zlovchini birlashtiradi. Yaratilgan yoki ovozi klonlangan qahramonlar uchun qo‘llanma ko‘p qahramonli suhbatni yig‘ishda alohida navbatlarni yaratishga yo‘naltiradi.
Tegishli nuqtaga burchakli qavsdagi teg yordamida qisqa inson ovozi yoki pauza joylashtiring. O‘ziga xos ssenariy misoli: “Ketib qoldingiz deb o‘ylagandim. <short pause> <sigh> Chiroqni yoqilgan holda qoldirdim.” Vazmin ijroni og‘zaki so‘zlar orasiga ko‘rsatma qilib qo‘yish o‘rniga butun navbatga biriktiring. Tinish belgilari va bosh harflar ikkilanishni ifodalash yoki so‘zni ta’kidlashga yordam berishi mumkin. Google qisqa tinglovchi javoblari va ustma-ust muloqot uchun vertikal chiziq bilan ajratilgan tinglovchi reaksiyalarini ham hujjatlashtiradi hamda kuchliroq ustma-ust nutq uchun Flash TTS’ni afzal 3.8 nashri deb ko‘rsatadi. Tinglovchi asosiy gapni tushuna olishi uchun bunday reaksiyalarni yetarlicha qisqa tuting.
Ishlab chiqaruvchi Flash TTS uchun 130 qo‘llab-quvvatlanadigan tilni sanaydi va hududiy hamda ozchilik lahjalari qamroviga urg‘u beradi. Hududiy ijro topshirig‘i mahalliylashtirilgan audiokitob qahramoni yoki aksenti auditoriya uchun ahamiyatli diktorlikda foydali. Ssenariyni yakuniy tilida tayyorlang, takroriy nomlar yozilishini izchil saqlang hamda qisqartmalar va raqamlarning ataylab tanlangan o‘qilishini belgilang. Tahririy bosqich sifatida tinglab tekshirishni qiyin nomlar, lahja o‘zgarishlari yoki hissiy o‘tishlar bor parchalardan boshlang. Kerakli aksent va sur’atni faqat til yorlig‘idan taxmin qilish o‘rniga yaratilgan ovozda baholash kerak.
3.8 chiqish qo‘llanmasi to‘liq fayllarni oqimli audiodan ajratadi. Yakunlangan so‘rov uchun odatiy chiqish RIFF sarlavhali WAV faylidir: 24 kHz, mono, ishorali 16 bitli little-endian PCM. Oqimli uzatishning odatiy chiqishi xuddi shu namuna xususiyatlariga ega, sarlavhasiz xom chiziqli PCM. Xom chiziqli PCM, mu-law va A-law ham hujjatlashtirilgan kodlash tanlovlaridir. Eshitishni tayyorlash yoki natijani muharrirga import qilishda haqiqiy kodlash ma’lumotidan foydalaning. Alohida muloqot fayllari ketma-ketligida ularning formatlarini bir xil tuting va tutashuvlarda daraja, sur’at yoki xona fonidagi keskin o‘zgarishlarni tekshiring.
Google’ning aynan shu model sahifasi Gemini API xizmat chegaralarini 8,192 kirish tokeni va 16,384 chiqish tokeni deb belgilaydi. Bular token chegaralari bo‘lib, belgilangan audiokitob davomiyligi yoki nutq soniyalarining aniq soni emas. Uzun ssenariylarni mazmunli chegaralarda bo‘ling va tanlangan ovoz identifikatorini bo‘limlar davomida saqlang. Bob uzunligidagi ishlab chiqarishda har bir segment ichidagi so‘z aniqligidan tashqari, xatboshi va sahna almashishlarida uzluksizlikni tinglang. Yaxshi amaliy tekshiruv har bir ijrodan keyin butun ovoz topshirig‘ini qayta yozish o‘rniga, qaysi satrlar talaffuz yoki ijro tahririga muhtojligini qayd etadi.
Flash TTS va Flash-Lite TTS 3.8 tayyorlash tuzilmasini birga ishlatadi, shuning uchun nashr tanlovi ish talablariga mos kelishi mumkin. Flash TTS aktyorlik, murakkab muloqot, qiyin talaffuz va kengroq lahja qamroviga; Flash-Lite esa odatiy og‘zaki kontentni katta hajmda ishlab chiqarishga urg‘u beradi. Ifodali boshqaruvlar inson nutqi va ovoz hodisalariga tegishli. Fon effektlari, musiqa va yakuniy ishlab chiqarish miksi alohida aktivlar sifatida rejalashtirilishi mumkin. Ssenariy yozish, tarjima va yozib olingan nutqni tanish ushbu matndan audioga model atrofidagi alohida bosqichlar bo‘lib qoladi.
", "aboutText": "Google Gemini 3.8 Flash TTS — Google’ning 3.8 matndan nutqqa aylantirish oilasidagi ijodiy ovoz ijrosi darajasi. Uning asosiy yo‘nalishi akustik aniqlik, hissiy diapazon, hududiy aksentlar va uzun muloqot davomida qahramon ovozining uzluksizligidir. Google audiokitoblar, studiya diktorligi, qiyin talaffuz va jiddiy ovoz aktyorligini talab qiladigan sahnalarni alohida ko‘rsatadi. Chiqish tayyor matn ssenariysidan yaratilgan og‘zaki audio bo‘lib, diktor ijrosini tekshirish yoki ssenariyli suhbatni boshqa ishlab chiqarish elementlari bilan birga tartiblashga mos.\n\nEshitilishi kerak bo‘lgan aynan so‘zlardan boshlang. 3.8 transkriptga so‘zma-so‘z munosabatda bo‘ladi, so‘zlovchi va davomli ijro esa alohida nutq metama’lumotlariga tegishli. Har bir navbatga aniq so‘zlovchi identifikatori va foydali bo‘lsa, vazmin xavotir yoki quvnoq qiziqish kabi ixcham uslub ko‘rsatmasini bering. Hissiyot yoki sur’at jiddiy o‘zgarsa, satrni alohida navbatlarga bo‘ling. Bu topshiriqni tekshirishni osonlashtiradi: transkript muloqotni o‘z ichiga oladi, biriktirilgan ko‘rsatma esa shu qism qanday ijro etilishini tushuntiradi. Transkriptga joylashtirilgan oddiy yozma ko‘rsatmalar ovoz chiqarib o‘qilishi mumkin.\n\nGoogle’ning 3.8 ovoz tizimi tayyor ovozlar, kengaytirilgan ovoz kutubxonasi, yaratilgan personajlar va klonlangan ovozlarni o‘z ichiga oladi. Vaqtinchalik ijro o‘zgarishlarini qo‘llashdan oldin asosiy personajni tanlang. Barqaror hududiy aksent yoki qahramon identifikatori tanlangan ovozga tegishli; style maydoni joriy ijroni boshqaradi. Ishlab chiqaruvchi uzun Audio Profile yoki Director’s Notes bloklarini takrorlash o‘rniga, shu ovozni qisqa ko‘rsatmalar bilan qayta ishlatishni tavsiya qiladi. Uning hujjatlashtirilgan bitta so‘rovli muloqot konfiguratsiyasi ikkitagacha tayyor so‘zlovchini birlashtiradi. Yaratilgan yoki ovozi klonlangan qahramonlar uchun qo‘llanma ko‘p qahramonli suhbatni yig‘ishda alohida navbatlarni yaratishga yo‘naltiradi.\n\nTegishli nuqtaga burchakli qavsdagi teg yordamida qisqa inson ovozi yoki pauza joylashtiring. O‘ziga xos ssenariy misoli: “Ketib qoldingiz deb o‘ylagandim.google/gemini-3.8-flash-ttsGoogle Gemini 3.8 Flash TTS audiokitoblar, studiya diktorligi va qahramonlar muloqoti uchun ifodali nutq yaratadi. U aynan o‘qiladigan ssenariyni alohida so‘zlovchi va ijro ko‘rsatmalari, qisqa ovoz teglari hamda 130 til qamrovi bilan birlashtirib, talaffuz, hududiy aksentlar va ovoz izchilligiga e’tibor qaratadi.
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Google Gemini 3.8 Flash TTS — Google’ning 3.8 matndan nutqqa aylantirish oilasidagi ijodiy ovoz ijrosi darajasi. Uning asosiy yo‘nalishi akustik aniqlik, hissiy diapazon, hududiy aksentlar va uzun muloqot davomida qahramon ovozining uzluksizligidir. Google audiokitoblar, studiya diktorligi, qiyin talaffuz va jiddiy ovoz aktyorligini talab qiladigan sahnalarni alohida ko‘rsatadi. Chiqish tayyor matn ssenariysidan yaratilgan og‘zaki audio bo‘lib, diktor ijrosini tekshirish yoki ssenariyli suhbatni boshqa ishlab chiqarish elementlari bilan birga tartiblashga mos.
Eshitilishi kerak bo‘lgan aynan so‘zlardan boshlang. 3.8 transkriptga so‘zma-so‘z munosabatda bo‘ladi, so‘zlovchi va davomli ijro esa alohida nutq metama’lumotlariga tegishli. Har bir navbatga aniq so‘zlovchi identifikatori va foydali bo‘lsa, vazmin xavotir yoki quvnoq qiziqish kabi ixcham uslub ko‘rsatmasini bering. Hissiyot yoki sur’at jiddiy o‘zgarsa, satrni alohida navbatlarga bo‘ling. Bu topshiriqni tekshirishni osonlashtiradi: transkript muloqotni o‘z ichiga oladi, biriktirilgan ko‘rsatma esa shu qism qanday ijro etilishini tushuntiradi. Transkriptga joylashtirilgan oddiy yozma ko‘rsatmalar ovoz chiqarib o‘qilishi mumkin.
Google’ning 3.8 ovoz tizimi tayyor ovozlar, kengaytirilgan ovoz kutubxonasi, yaratilgan personajlar va klonlangan ovozlarni o‘z ichiga oladi. Vaqtinchalik ijro o‘zgarishlarini qo‘llashdan oldin asosiy personajni tanlang. Barqaror hududiy aksent yoki qahramon identifikatori tanlangan ovozga tegishli; style maydoni joriy ijroni boshqaradi. Ishlab chiqaruvchi uzun Audio Profile yoki Director’s Notes bloklarini takrorlash o‘rniga, shu ovozni qisqa ko‘rsatmalar bilan qayta ishlatishni tavsiya qiladi. Uning hujjatlashtirilgan bitta so‘rovli muloqot konfiguratsiyasi ikkitagacha tayyor so‘zlovchini birlashtiradi. Yaratilgan yoki ovozi klonlangan qahramonlar uchun qo‘llanma ko‘p qahramonli suhbatni yig‘ishda alohida navbatlarni yaratishga yo‘naltiradi.
Tegishli nuqtaga burchakli qavsdagi teg yordamida qisqa inson ovozi yoki pauza joylashtiring. O‘ziga xos ssenariy misoli: “Ketib qoldingiz deb o‘ylagandim. <short pause> <sigh> Chiroqni yoqilgan holda qoldirdim.” Vazmin ijroni og‘zaki so‘zlar orasiga ko‘rsatma qilib qo‘yish o‘rniga butun navbatga biriktiring. Tinish belgilari va bosh harflar ikkilanishni ifodalash yoki so‘zni ta’kidlashga yordam berishi mumkin. Google qisqa tinglovchi javoblari va ustma-ust muloqot uchun vertikal chiziq bilan ajratilgan tinglovchi reaksiyalarini ham hujjatlashtiradi hamda kuchliroq ustma-ust nutq uchun Flash TTS’ni afzal 3.8 nashri deb ko‘rsatadi. Tinglovchi asosiy gapni tushuna olishi uchun bunday reaksiyalarni yetarlicha qisqa tuting.
Ishlab chiqaruvchi Flash TTS uchun 130 qo‘llab-quvvatlanadigan tilni sanaydi va hududiy hamda ozchilik lahjalari qamroviga urg‘u beradi. Hududiy ijro topshirig‘i mahalliylashtirilgan audiokitob qahramoni yoki aksenti auditoriya uchun ahamiyatli diktorlikda foydali. Ssenariyni yakuniy tilida tayyorlang, takroriy nomlar yozilishini izchil saqlang hamda qisqartmalar va raqamlarning ataylab tanlangan o‘qilishini belgilang. Tahririy bosqich sifatida tinglab tekshirishni qiyin nomlar, lahja o‘zgarishlari yoki hissiy o‘tishlar bor parchalardan boshlang. Kerakli aksent va sur’atni faqat til yorlig‘idan taxmin qilish o‘rniga yaratilgan ovozda baholash kerak.
3.8 chiqish qo‘llanmasi to‘liq fayllarni oqimli audiodan ajratadi. Yakunlangan so‘rov uchun odatiy chiqish RIFF sarlavhali WAV faylidir: 24 kHz, mono, ishorali 16 bitli little-endian PCM. Oqimli uzatishning odatiy chiqishi xuddi shu namuna xususiyatlariga ega, sarlavhasiz xom chiziqli PCM. Xom chiziqli PCM, mu-law va A-law ham hujjatlashtirilgan kodlash tanlovlaridir. Eshitishni tayyorlash yoki natijani muharrirga import qilishda haqiqiy kodlash ma’lumotidan foydalaning. Alohida muloqot fayllari ketma-ketligida ularning formatlarini bir xil tuting va tutashuvlarda daraja, sur’at yoki xona fonidagi keskin o‘zgarishlarni tekshiring.
Google’ning aynan shu model sahifasi Gemini API xizmat chegaralarini 8,192 kirish tokeni va 16,384 chiqish tokeni deb belgilaydi. Bular token chegaralari bo‘lib, belgilangan audiokitob davomiyligi yoki nutq soniyalarining aniq soni emas. Uzun ssenariylarni mazmunli chegaralarda bo‘ling va tanlangan ovoz identifikatorini bo‘limlar davomida saqlang. Bob uzunligidagi ishlab chiqarishda har bir segment ichidagi so‘z aniqligidan tashqari, xatboshi va sahna almashishlarida uzluksizlikni tinglang. Yaxshi amaliy tekshiruv har bir ijrodan keyin butun ovoz topshirig‘ini qayta yozish o‘rniga, qaysi satrlar talaffuz yoki ijro tahririga muhtojligini qayd etadi.
Flash TTS va Flash-Lite TTS 3.8 tayyorlash tuzilmasini birga ishlatadi, shuning uchun nashr tanlovi ish talablariga mos kelishi mumkin. Flash TTS aktyorlik, murakkab muloqot, qiyin talaffuz va kengroq lahja qamroviga; Flash-Lite esa odatiy og‘zaki kontentni katta hajmda ishlab chiqarishga urg‘u beradi. Ifodali boshqaruvlar inson nutqi va ovoz hodisalariga tegishli. Fon effektlari, musiqa va yakuniy ishlab chiqarish miksi alohida aktivlar sifatida rejalashtirilishi mumkin. Ssenariy yozish, tarjima va yozib olingan nutqni tanish ushbu matndan audioga model atrofidagi alohida bosqichlar bo‘lib qoladi.
POST /v1/audio/speechtextaudio| Maydon | Tur | Talab | Qiymatlar va cheklovlar | Standart |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar google/gemini-3.8-flash-tts | Standart— |
Maydoninput | Turstring | TalabMajburiy | Qiymatlar va cheklovlar Eng kam uzunlik: 1 | Standart— |
Maydonvoice | Turstring | TalabMajburiy | Qiymatlar va cheklovlar 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 Eng kam uzunlik: 1 | Standart— |
Maydonresponse_format | Turstring | TalabIxtiyoriy | Qiymatlar va cheklovlar mp3, pcm | Standartpcm |
Maydonprovider | Turobject | TalabIxtiyoriy | Qiymatlar va cheklovlar | Standart— |
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input, voice |
Parametrmaterial_types | Parametr talablaritext |
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}
Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.
Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.
| Sozlama | Tariflar jadvali | Hisob birligi | To‘lov |
|---|---|---|---|
| SozlamaTokenlar uchun bazaviy tariflar | Tariflar jadvaliAsosiy tarif | Hisob birligi— | To‘lov Kirish · Kirish tokenlari — / 1K token Chiqish · Chiqish tokenlari — / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token |
| Sozlamakirish tokeni | Tariflar jadvali— | Hisob birligi/ 1K token | To‘lov Kirish $0.001 / 1K token |
| Sozlamachiqish tokeni | Tariflar jadvali— | Hisob birligi/ 1K token | To‘lov Chiqish $0.018 / 1K token |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
set -eu\n: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.\nTo‘liq ikkilik audio yoki dastlabki audio_url javobi, sarlavhalar va egalik qilinadigan har bir aktiv.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nQaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.
To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.
Qaytarilgan X-Client-Request-ID ni ma’lumotlarni solishtirib tekshirish uchun saqlang. Faqat amalda qaytarilgan task_id/asset_id qiymatlari bo‘yicha yoki o‘zingizga tegishli media kutubxonasidan ma’lumot o‘qing; operatsiya ID sidan vazifa URL manzilini hech qachon tuzmang va yaratish so‘rovini qayta yubormang.
Ailoot Ultra google/gemini-3.8-flash-tts
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.