🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →

Gemini 3.8 Flash Lite TTS: AI Audio & Music

Erzeuge Sprache mit mehreren Sprechern, niedriger Latenz und hohem Durchsatz mit Gemini 3.8 Flash Lite TTS. Kostenlos testen, nutzungsbasiert bezahlen, ohne Abonnement.

Interaktive Steuerung laden

Erzeuge Sprache mit mehreren Sprechern, niedriger Latenz und hohem Durchsatz mit Gemini 3.8 Flash Lite TTS. Kostenlos testen, nutzungsbasiert bezahlen, ohne Abonnement.

📝

Übersicht

Über dieses Modell

Gemini 3.8 Flash Lite TTS ist Googles kosteneffizientes Text-to-Speech-Modell mit hohem Durchsatz und niedriger Latenz, optimiert für dialogorientierte Sprache im großen Maßstab. Lege beliebig viele Sprecher fest, jeweils mit eigener Stimme, eigenem Akzent, emotionalem Stil und Sprechtempo, und schreibe anschließend ein Gespräch mit geordneten Dialogzeilen und integrierten Tonmarkierungen wie [whispers] oder [shouting]. Es eignet sich ideal für Voiceovers in großen Mengen, dialogfähige Echtzeit-Agenten und preisbewusste Erzählungen, bei denen Geschwindigkeit und Kosten entscheidend sind. Für höhere Klangtreue siehe Gemini 3.8 Flash TTS; für Premium-Ausgabe in Studioqualität siehe Gemini 2.5 Pro TTS.

1Dialogorientierte KI: Betreibe Sprachagenten und IVR-Systeme in Echtzeit mit Sprache mehrerer Sprecher und niedriger Latenz.
2Produktion mit hohem Volumen: Erzeuge große Mengen an Voiceovers und Figurenzeilen zu den niedrigsten Kosten pro Zeile.
3Podcasts: Erstelle aus einem geschriebenen Skript Gesprächsaufnahmen mit mehreren Hosts.
4Prototyping: Probiere Tonfall, Akzent und Sprechtempo schnell aus, bevor du die finale Ausgabe in hoher Klangtreue renderst.
💰

Preise und Wert

Kostenanalyse

muapiapp$0.01 per 1,000 characters

Zahlung pro Generierung, ohne Abonnement. Entspricht Googles offiziellem Audio-Ausgabetarif für Gemini 3.8 Flash Lite TTS – der günstigsten Stufe der Gemini-TTS-Familie.

Fal.aiNicht verfügbar

Bietet dieses Modell nicht an.

ReplicateNicht verfügbar

Bietet dieses Modell nicht an.

** Die Preise der Mitbewerber werden auf der Grundlage ähnlicher Modellarchitekturen und Nutzungsstufen geschätzt.

⚙️

Technische Details

Konfigurationsschema

Lautsprecherarray

. AUSWEIS .

Standardwert[object Object],[object Object]
Dialogdrehungenarray

. Sprecher_ID . [schreit] [flüstert] .

Standardwert[object Object],[object Object],[object Object],[object Object]
Szenestring

Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly."

Standardwert
Beispielkontextstring

Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting."

Standardwert
Temperaturnumber

(0-2) . , .

Standardwert1
📖

Implementierungsleitfaden

Entwicklerdokumentation

Gemini 3.8 Flash Lite TTS verwenden

  1. Sprecher festlegen: Füge der Liste speakers für jede Stimme einen Eintrag hinzu. Vergib jeweils eine speaker_id im Format "Speaker N", wähle einen voice_name und lege accent, style und pace fest. Optional kannst du ein audio_profile hinzufügen, das die Persona beschreibt.

  2. Dialog schreiben: Fülle dialogue_turns mit geordneten Zeilen. Die speaker_id jedes Turns muss einem von dir definierten Sprecher entsprechen. Du kannst Tonmarkierungen wie [whispers], [shouting] oder [determination] direkt einfügen.

  3. Stimmung festlegen (optional): Beschreibe mit scene die akustische Umgebung und lege mit sample_context den allgemeinen Erzählton fest. Passe temperature (0-2) an, um die Wiedergabe abwechslungsreicher oder gleichförmiger zu gestalten.

  4. Absenden und abfragen: Sende die Anfrage per POST und frage anschließend /predictions/{request_id}/result ab, bis der Status completed lautet und die Audio-URL bereitsteht.

curl -X POST https://api.muapi.ai/api/v1/gemini-3-8-flash-lite-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "speakers": [
      {"speaker_id": "Speaker 1", "voice_name": "Fenrir", "accent": "British (RP)", "style": "Deadpan", "pace": "Natural"},
      {"speaker_id": "Speaker 2", "voice_name": "Puck", "accent": "American (Gen)", "style": "Empathetic", "pace": "Staccato"}
    ],
    "dialogue_turns": [
      {"speaker_id": "Speaker 1", "text": "[shouting] Halt, traveler!"},
      {"speaker_id": "Speaker 2", "text": "[determination] I carry a message for the elder."}
    ],
    "scene": "A dark, crumbling dungeon.",
    "temperature": 1
  }'
❓

Häufige Fragen

Häufig gefragt

Wie erstelle ich ein Gespräch mit mehreren Sprechern?

Definiere jede Stimme in der Liste `speakers` mit einer eindeutigen `speaker_id` (im Format "Speaker N") und verwende diese IDs anschließend in `dialogue_turns`. Das Modell gibt jede Zeile mit der zugewiesenen Stimme, dem Akzent, Stil und Sprechtempo des jeweiligen Sprechers wieder.

Kann ich Emotion und Sprechtempo steuern?

Ja. Für jeden Sprecher kannst du `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) und `pace` (Natural, Rapid Fire, The Drift, Staccato) einstellen. Außerdem kannst du Tonmarkierungen wie [whispers], [shouting] oder [determination] direkt in den Dialogtext einfügen.

Welche Stimmen und Akzente sind verfügbar?

Es gibt 30 vorgefertigte Stimmen (Zephyr, Fenrir, Puck, Kore und weitere) sowie 8 Akzente, darunter Neutral, amerikanische Varianten, British (RP), British (Brixton), Transatlantic und Australian.

Wie wird der Preis berechnet?

Der Preis richtet sich nach der Gesamtzahl der Zeichen in allen Dialogzeilen und beträgt $0.01 pro 1.000 Zeichen – entsprechend Googles offiziellem Audio-Ausgabetarif für Gemini 3.8 Flash Lite TTS, der günstigsten Stufe der Gemini-TTS-Familie. Du zahlst pro Generierung, ohne Abonnement.

Wie lang darf eine einzelne Zeile höchstens sein?

Der Text jedes Dialog-Turns kann bis zu 10,000 Zeichen umfassen. Für längere Gespräche kannst du mehrere Turns verwenden.

Wann sollte ich die Lite-Version statt Flash oder Pro verwenden?

Verwende Gemini 3.8 Flash Lite TTS für Anwendungen mit hohem Durchsatz, niedriger Latenz und Kostendruck, etwa dialogfähige Echtzeit-Agenten oder Voiceover-Aufträge in großen Mengen. Für höhere Klangtreue eignet sich Gemini 3.8 Flash TTS; für Erzählungen in Premium-Studioqualität Gemini 2.5 Pro TTS.