Google: Gemini 3.8 Flash Lite TTS
Google Gemini 3.8 Flash-Lite TTS 將確切稿本轉為語音，適用朗讀功能、日常旁白及大量語音內容。它支援 101 種語言、可選聲音，以及透過獨立 style 中繼資料控制表達方式，並用行內標籤指定短暫停頓及人聲事件。
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。
Google Gemini 3.8 Flash-Lite TTS 是 Google 3.8 文字轉語音系列中著重處理量的成員。它接收書面稿本並產生語音音訊。Google 將它定位於朗讀功能、日常單一講者旁白、大量音訊製作，以及語音代理系統的語音輸出階段。實用成果包括以一致聲音朗讀的文章、口述產品說明，或一組短教學錄音。稿本應已包含聽眾需要聽到的文字。
3.8 系列將 transcript 與表演指示分開。朗讀文字應逐字保留，持續的情感、速度、音量或表達風格則放入語音中繼資料。溫暖開場、緊急指示及安靜結尾，都可在各自回合附上簡短風格描述。transcript 中的「愉快地說」等文字本身可能被朗讀。講者名稱應放在講者中繼資料，而非作為朗讀稿中的標籤。重用為 Gemini 3.1 Flash TTS 撰寫的提示時，這項準備尤其重要。
使用行內角括號標籤，在特定位置指定短暫事件：呼吸、笑聲、咳嗽、嘆息或停頓。例如 transcript：「下一步很簡單。<short pause> 選擇你偏好的語言。」可讓預期停頓緊鄰它影響的文字。持續耳語應放在風格描述，而非反覆加入事件標籤。Google 建議即使稿本使用其他語言，也採用英語標籤名稱。這些控制指引人聲；掌聲音軌或關門巨響需要另外製作聲音，而非使用人聲事件標籤。
Google 列出此版本支援 101 種語言，包括英語、俄語、中文、日語、韓語、法語、德語、西班牙語、印尼語及越南語。請以目標語言寫妥最終稿本，包含所需姓名、縮寫與數字形式。編輯準備時，若聽眾必須聽到特定形式，應將有歧義的縮寫或數字預期讀法完整寫出。將長錄音視為完成前，先審聽包含難讀姓名及轉折的初始段落。語言數量不代表所有地區發音都可互換。
製造商支援預建聲音、擴充聲音庫、自訂設計的聲音角色及聲音複製。請將聲音身分與暫時表演指示分別選擇。旁白需要一致時，跨段重用同一身分與簡短表達描述。文件中的雙講者設定要求每一回合明確指定講者，且與兩個已設定預建聲音之一相符。Google 指南對於使用設計或複製聲音的多角色場景，採逐回合生成方式。規劃對話而非單一旁白時，這個區別很重要。
一般完整請求依 Google 3.8 指南產生帶 RIFF 標頭的 WAV 音訊，內含 24 kHz 單聲道、16 位元有號小端序 PCM。其串流設定則預設回傳無標頭的原始 PCM 區塊；指南也記載原始線性 PCM、mu-law 及 A-law 編碼選項。播放或編輯設定應符合實際輸出格式。將無標頭 PCM 改為 WAV 副檔名不會補上容器資訊。組合分別生成的回合時，請保持音訊格式一致，並將每個完整 WAV 視為帶有自身標頭的檔案。
此確切模型頁面列出的 Gemini API 上限為 8,192 輸入 token 及 16,384 輸出 token。音訊 token 並不代表固定語音秒數。長素材應依有意義的段落準備，保留相同聲音與風格需求，並審聽接點。這些是製造商記載的此模型服務上限，與一般目錄中上下文欄位所描述的數量不同。輸入為文字，輸出為音訊，因此稿本草擬、翻譯及轉錄是獨立的前置或後續任務。
Flash-Lite 與 Gemini 3.8 Flash TTS 共用 3.8 請求結構。實務選擇取決於所需表演：Flash-Lite 面向快速、重複製作；Flash TTS 則是著重難讀發音、細膩表演及更廣方言涵蓋的創意等級。日常說明文章與戲劇性雙角色場景對聲音的要求不同。用於最終聆聽體驗前，應檢查實際錄音是否漏字、重複文字、發音錯誤、節奏不當，或各段間有可聽見的變化。
Ailoot Ultra · 語音 POST /v1/audio/speech google/gemini-3.8-flash-lite-tts
google/gemini-3.8-flash-lite-tts
google/gemini-3.8-flash-lite-tts入門
Google Gemini 3.8 Flash-Lite TTS 將確切稿本轉為語音，適用朗讀功能、日常旁白及大量語音內容。它支援 101 種語言、可選聲音，以及透過獨立 style 中繼資料控制表達方式，並用行內標籤指定短暫停頓及人聲事件。
- 接受的輸入
- 文字
- 結果
- 音訊
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音 POST /v1/audio/speech
- 輸入
text- 輸出
audio
| 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 google/gemini-3.8-flash-lite-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 | 要求必填 | 值與限制 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 長度下限: 1 | 預設值— |
欄位response_format | 類型string | 要求選填 | 值與限制 mp3, pcm | 預設值pcm |
欄位provider | 類型object | 要求選填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input, voice |
參數material_types | 規格text |
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}
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 計費單位 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定輸入 token | 費率表— | 計費單位/ 1K Token | 費用 輸入 $0.001 / 1K Token |
| 設定輸出 token | 費率表— | 計費單位/ 1K Token | 費用 輸出 $0.012 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.8-flash-lite-tts', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'Zephyr'}
request['input']=os.environ['AILOOT_INPUT_TEXT']
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.
接收並儲存結果
Ailoot Ultra · 語音
完整的二進位音訊或原始 audio_url 回應、標頭，以及每個自有資產。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
其他內容讀取方式
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
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。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task_id/asset_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。
別名
模型別名
Ailoot Ultra google/gemini-3.8-flash-lite-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 · Google: Gemini 3.8 Flash Lite TTS
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·google/gemini-3.8-flash-lite-tts:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·google/gemini-3.8-flash-lite-tts:model,input,voice,response_format,provider