Gemini 3.8 Flash Tts

Mô hình giọng nói của Google dành cho giọng đọc giàu biểu cảm, sách nói và hội thoại, có điều khiển giọng và hỗ trợ 130 ngôn ngữ.

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech gemini-3.8-flash-tts

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Gemini 3.8 Flash TTS dành cho giọng đọc giàu biểu cảm và lời kể dài. Google nhấn mạnh sách nói, hội thoại nhiều người nói và sự ổn định của giọng trên các đoạn dài. Điều khiển lời nói bao quát cảm xúc, nhịp điệu và phát âm, gồm giọng vùng miền và phương ngữ.

Giọng và ngôn ngữ

Mô hình được công bố hỗ trợ 130 ngôn ngữ, gồm tiếng Nga. Có 30 giọng có sẵn, thư viện mở rộng, tạo giọng theo mô tả và tái tạo giọng theo mẫu. Những khả năng này cho phép chọn âm sắc và cách thể hiện cho từng tư liệu.

Các lượt lời trong hội thoại được gắn với người nói. Một yêu cầu nhiều người nói chỉ có thể dùng tối đa hai giọng có sẵn. Với giọng tạo theo mô tả hoặc mẫu, từng lượt lời được tổng hợp riêng; có giọng như vậy không biến nó thành một giọng có sẵn bổ sung trong yêu cầu nhiều giọng.

Văn bản và điều khiển cách thể hiện

Đầu vào là văn bản, đầu ra là âm thanh. Các giới hạn là 8 192 token đầu vào và 16 384 token đầu ra. Văn bản được hiểu là lời cần đọc; mô tả phong cách và người nói được chọn được đặt riêng. Nhờ đó, có thể tách những từ cần phát ra khỏi chỉ dẫn về cách đọc.

Phong cách bao quát cảm xúc, tốc độ, âm lượng và ngữ điệu. Các sự kiện ngắn như cười, thở dài, khoảng dừng được đặt bằng thẻ âm thanh đặc biệt trong lượt lời. Những thẻ này điều khiển cách thể hiện, không phải từ thông thường để đọc thành tiếng.

Định dạng âm thanh và khả năng

Khi tạo thông thường, mặc định trả về WAV. Với truyền luồng, mặc định sử dụng PCM không có phần đầu. Thông số gốc là 24 kHz, một kênh và 16 bit. Còn có PCM, mu-law và A-law. Lưu đệm ngữ cảnh và xử lý theo lô được hỗ trợ. Định dạng tệp cụ thể và các cài đặt sẵn có phụ thuộc vào phương thức giọng nói đã chọn.

Mô hình chuyên tạo lời nói. Không hỗ trợ gọi hàm, thực thi mã, tìm kiếm trong tệp, bổ sung căn cứ từ tìm kiếm, Google Maps, tạo ảnh, câu trả lời văn bản có cấu trúc, Thinking hoặc nội dung địa chỉ web. Giọng ổn định và mức biểu cảm có thể điều chỉnh là các hướng được công bố của mô hình, không phải lời hứa phát âm hoàn hảo mọi lượt lời.

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech gemini-3.8-flash-tts

gemini-3.8-flash-tts

Google /gemini-3.8-flash-tts

Bắt đầu

Mô hình giọng nói của Google dành cho giọng đọc giàu biểu cảm, sách nói và hội thoại, có điều khiển giọng và hỗ trợ 130 ngôn ngữ.

Đầu vào được chấp nhận: Văn bản
Kết quả: Âm thanh

Có trên Ailoot · đầu vào & phương thức

Ailoot · Tổng hợp giọng nói POST /v1/audio/speech

Đầu vào: text
Đầu ra: audio
Ngữ cảnh: 8.192 tokens
Đầu ra tối đa: 16.384 tokens
Định dạng đầu ra: byte âm thanh gốc hoặc liên kết tài sản JSON

Trường	Loại	Yêu cầu	Giá trị & giới hạn	Mặc định
Trường`model`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn gemini-3.8-flash-tts	Mặc định—
Trường`input`	Loại`string`	Yêu cầuBắt buộc	Giá trị & giới hạn Độ dài tối thiểu: 1	Mặc định—
Trường`voice`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn 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	Mặc địnhKore
Trường`response_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn , wav, json	Mặc định
Trường`stream_format`	Loại`string`	Yêu cầuKhông bắt buộc	Giá trị & giới hạn audio	Mặc định—

Tổ hợp tư liệu đầu vào

text_to_speech · Bắt buộc: input

Tham số phương thức và vòng đời

Tham số	Hợp đồng
Tham số`material_types`	Hợp đồngtext
Tham số`required`	Hợp đồngnull
Tham số`optional_controls`	Hợp đồngnull

Vòng đời: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Giá trị task_id thực tế đã trả về hoặc bản ghi trong thư viện nội dung đa phương tiện

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cấu trúc phương thức và ID là chính xác; khả năng của nhà cung cấp tách biệt với việc cho phép tiếp nhận yêu cầu.

Bảng giá

Mức phí phương thức Ailoot

Ailoot Tổng hợp giọng nóiPOST /v1/audio/speech

Đầu vào: 0,0005 US$ / 1K
Đầu ra: 0,009 US$ / 1K
Đọc bộ nhớ đệm: 0,000125 US$ / 1K

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. Cách hoạt động của cơ chế tạm giữ và quyết toán →

Ví dụ yêu cầu

Ailoot · Tổng hợp giọng nói

Ví dụ giọng nói

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

Nhận và lưu kết quả

Ailoot · Tổng hợp giọng nói

byte âm thanh gốc hoặc liên kết tài sản JSON

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

Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Một đầu ra mặc định trả về byte âm thanh gốc với Content-Type thực tế; response_format=json hoặc nhiều đầu ra sẽ trả về tất cả liên kết thuộc quyền sở hữu. Không thực hiện chuyển đổi MP3/Opus/AAC/FLAC/PCM theo yêu cầu hoặc SSE.

Nếu cần kiểm tra phản hồi gốc

Giữ lại operation_id/X-Client-Request-ID gốc để đối soát mà không gửi lại yêu cầu; không có tuyến truy vấn trạng thái riêng cho âm thanh.

Trường phản hồi

Trường	Loại
Trường`binary native audio`	Loạibytes
Trường`model`	Loạistring
Trường`response_id`	Loạistring
Trường`actual_count`	Loạiinteger
Trường`data[]`	Loạiowned audio asset link

Lỗi và bước tiếp theo

Phản hồi	Điều kiện	Bước tiếp theo
Phản hồi400 · `invalid_request_error`	Điều kiệnTrường bắt buộc, cách biểu diễn tài liệu hoặc giá trị tham số không hợp lệ	Bước tiếp theoSửa các trường được chỉ ra trước khi gửi yêu cầu tạo mới.
Phản hồi`server_error`	Điều kiệnPhản hồi trả về cho biết thao tác hoặc kết quả cần được kiểm tra	Bước tiếp theoGiữ lại ID thao tác/tác vụ gốc đã trả về, các header của yêu cầu và toàn bộ phản hồi; tiếp tục truy xuất thao tác gốc đó bằng các phương thức được hỗ trợ. Không gửi lại yêu cầu tạo.

Bí danh

Bí danh mô hình

Ailoot gemini-3.8-flash-tts

Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

ID gọi liên quan

gemini-3.8-flash-tts

FAQ · Gemini 3.8 Flash Tts

Có những đầu vào và kết quả nào?: POST /v1/audio/speech · gemini-3.8-flash-tts: text → audio
Yêu cầu sử dụng những trường nào?: POST /v1/audio/speech · gemini-3.8-flash-tts: model, input, voice, response_format, stream_format
Áp dụng những giới hạn nào?: POST /v1/audio/speech · gemini-3.8-flash-tts: ctx: 8192; max_out: 16384

Gemini 3.8 Flash Tts