Google: Gemini 3.8 Flash TTS
Google Gemini 3.8 Flash TTS 為有聲書、錄音室旁白及角色對話生成富表情的語音。它將逐字稿本與獨立的講者及表演指示結合，支援瞬時聲音標籤與 130 種語言，著重發音、地區口音及聲音一致性。
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 TTS 是 Google 3.8 文字轉語音系列中的創意聲音表演等級。它著重聲學保真度、情感範圍、地區口音，以及長篇對話中的角色聲音連續性。Google 特別強調有聲書、錄音室旁白、難發音內容及需要大量聲音演出的場景。輸出為根據預先準備稿本產生的語音音訊，可用於審聽旁白表演，或搭配其他製作元素編排有稿對話。
請從聽眾應聽到的確切文字開始。3.8 將 transcript 視為逐字內容，講者及持續性的表演指示則放在獨立的語音中繼資料。每一回合應指定清楚的講者身分，必要時附上簡短風格指示，例如克制的擔憂或愉快的好奇。若情感或節奏有重大改變，請將一句台詞拆成不同回合。這讓需求更容易檢查：transcript 包含對話，附加指示則說明該部分應如何表演。放進 transcript 的一般書面指令可能被朗讀。
Google 3.8 聲音系統包含預建聲音、擴充聲音庫、設計的人物聲音及複製的聲音身分。請先選擇基本人物聲音，再套用暫時的表演變化。穩定的地區口音或角色身分屬於所選聲音；style 欄位控制當下表演。開發者建議重複使用該聲音並附簡短指示，而非反覆放入長篇 Audio Profile 或 Director’s Notes 區塊。文件中的單次請求對話設定最多結合兩位預建講者。對於設計或複製的角色，指南要求在組合多角色對話時逐回合生成。
使用角括號標籤，在相關位置放入短暫的人聲事件或停頓。例如稿本：「我以為你已經走了。<short pause> <sigh> 我一直留著燈。」請將克制的表演方式附在整個回合，而非夾在要朗讀的文字中。標點與大小寫有助於安排遲疑或強調單字。Google 也記載了以豎線（|）分隔的聽者反應，用於附和及重疊對話，並指出較多重疊對話時，Flash TTS 是 3.8 的優先選擇。這類反應應夠短，讓聽者仍能聽懂主要台詞。
製造商列出 Flash TTS 支援 130 種語言，並強調地區及少數方言的涵蓋。對於在地化有聲書角色，或口音對聽眾很重要的旁白，地區表演需求相當實用。請以最終語言準備稿本，重複出現的姓名保持拼寫一致，並明確安排縮寫與數字的讀法。編輯時，應從含有難讀姓名、方言轉換或情感轉折的段落開始審聽。所需口音及節奏應在生成聲音中評估，而非僅憑語言標籤假定已達成。
3.8 輸出指南區分完整檔案與串流音訊。完整請求預設產生帶 RIFF 標頭的 WAV 檔案：24 kHz、單聲道、有號 16 位元小端序 PCM。串流預設為無標頭的原始線性 PCM，取樣特性相同。文件另列出原始線性 PCM、mu-law 及 A-law 編碼選項。準備播放或匯入編輯器時，請使用實際編碼資訊。連接一系列獨立對話檔案時，應保持格式一致，並檢查接點是否突然改變音量、節奏或空間底噪。
Google 此確切模型的頁面列出 Gemini API 服務上限為 8,192 輸入 token 及 16,384 輸出 token。這些是 token 上限，並非固定的有聲書長度或確切語音秒數。請在有意義的邊界拆分長稿，並跨段保留選定聲音身分。製作整章內容時，除了各段文字準確性，也應審聽段落及場景轉換的連續性。實用的審聽紀錄應標明哪些台詞需要修正發音或表演，而非每次錄製後都重寫整份聲音需求。
Flash TTS 與 Flash-Lite TTS 共用 3.8 準備結構，因此可依工作需求選擇版本。Flash TTS 著重表演、複雜對話、難讀發音及更廣泛的方言涵蓋；Flash-Lite 著重日常語音內容的處理量。這些表情控制針對人類語音與發聲事件。背景音效、配樂及完整製作混音可規劃為獨立素材。稿本撰寫、翻譯及錄音語音辨識仍是圍繞此文字轉音訊模型的不同階段。
Ailoot Ultra · 語音 POST /v1/audio/speech google/gemini-3.8-flash-tts
google/gemini-3.8-flash-tts入門
Google Gemini 3.8 Flash TTS 為有聲書、錄音室旁白及角色對話生成富表情的語音。它將逐字稿本與獨立的講者及表演指示結合，支援瞬時聲音標籤與 130 種語言，著重發音、地區口音及聲音一致性。
- 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-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 $0.018 / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_INPUT_TEXT:?Set the actual documented input value}"
export AILOOT_INPUT_TEXT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
request={'model': 'google/gemini-3.8-flash-tts', 'input': '${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-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 TTS
- 可以使用哪些輸入與結果？
POST /v1/audio/speech·google/gemini-3.8-flash-tts:text→audio- 請求使用哪些欄位？
POST /v1/audio/speech·google/gemini-3.8-flash-tts:model,input,voice,response_format,provider