Gemini 3.8 Flash Tts
Google 的語音模型，用於具表現力的配音、有聲書與可控制語音的對話，支援 130 種語言。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini 3.8 Flash TTS 用於具表現力的配音與長篇敘述。Google 強調有聲書、多位說話者的對話，以及長片段中的語音穩定性。語音控制涵蓋情緒表現、節奏與發音，包括地域口音及方言。
語音與語言
模型公布支援 130 種語言，包括俄文。可用選項包含 30 種現成語音、擴充語音庫、依描述設計語音，以及依範例重現語音。這些功能可為具體內容選擇音色與表現方式。
對話台詞會與說話者連結。單次多位說話者的請求，最多使用兩種現成語音。使用依描述或範例建立的語音時，各段台詞會分別合成；建立這種語音，不會讓它成為多語音請求中的另一種現成語音。
文字與表現控制
輸入為文字，輸出為音訊，上限分別為 8 192 個輸入 token 與 16 384 個輸出 token。文字被視為實際說出的台詞，風格描述與所選說話者則分別設定，讓需要說出的話與朗讀指示保持分開。
風格涵蓋情緒、語速、音量與韻律。笑聲、嘆息或停頓等短促事件，透過台詞中的特殊音訊標籤設定。這些標籤用於控制表現，而不是要朗讀的一般文字。
音訊格式與功能
一般生成預設回傳 WAV，串流傳輸預設使用不含標頭的 PCM。原始參數為 24 kHz、單聲道及 16 位元；另提供 PCM、mu-law 與 A-law。模型支援上下文快取及批次處理。具體檔案格式與可用設定，取決於所選語音方法。
模型專注於語音創作，不支援函式呼叫、程式碼執行、檔案搜尋、搜尋依據、Google Maps、影像生成、結構化文字回覆、Thinking 或網址內容。語音穩定性與可控制的表現力是廠商公布的方向，並不是每句台詞都能完美發音的保證。
Ailoot · 語音合成 POST /v1/audio/speech gemini-3.8-flash-tts
gemini-3.8-flash-tts入門
Google 的語音模型，用於具表現力的配音、有聲書與可控制語音的對話，支援 130 種語言。
- 接受的輸入
- 文字
- 結果
- 音訊
Ailoot 可用 · 輸入與方法
Ailoot · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
audio- 上下文
- 8,192 tokens
- 輸出上限
- 16,384 tokens
- 輸出格式
- 原生音訊位元組或 JSON 資產連結
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gemini-3.8-flash-tts | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 | 預設值— |
欄位voice | 類型string | 要求選填 | 值與限制 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 | 預設值Kore |
欄位response_format | 類型string | 要求選填 | 值與限制 , wav, json | 預設值 |
欄位stream_format | 類型string | 要求選填 | 值與限制 audio | 預設值— |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格null |
參數optional_controls | 規格null |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/speech- 輸入
- US$0.0005 / 1K
- 輸出
- US$0.009 / 1K
- 讀取快取
- US$0.000125 / 1K
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音合成
set -eu
: "${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
接收並儲存結果
Ailoot · 語音合成
原生音訊位元組或 JSON 資產連結
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
單一輸出預設為原生音訊位元組，並附實際 Content-Type；response_format=json 或多個輸出會回傳所有自有連結。不會依請求轉換為 MP3/Opus/AAC/FLAC/PCM，也不提供 SSE。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary native audio | 類型bytes |
欄位model | 類型string |
欄位response_id | 類型string |
欄位actual_count | 類型integer |
欄位data[] | 類型owned audio asset link |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot gemini-3.8-flash-tts
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Gemini 3.8 Flash Tts
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·gemini-3.8-flash-tts:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·gemini-3.8-flash-tts:model,input,voice,response_format,stream_format- 適用哪些限制？
POST /v1/audio/speech·gemini-3.8-flash-tts:ctx:8192;max_out:16384