Erzeuge ausdrucksstarke Sprache mit mehreren Sprechern mit Gemini 3.8 Flash TTS. Klangtreue in Studioqualität und Stabilität bei langen Inhalten. Kostenlos testen, nutzungsbasiert bezahlen.
Erzeuge ausdrucksstarke Sprache mit mehreren Sprechern mit Gemini 3.8 Flash TTS. Klangtreue in Studioqualität und Stabilität bei langen Inhalten. Kostenlos testen, nutzungsbasiert bezahlen.
Über dieses Modell
Gemini 3.8 Flash TTS ist Googles Text-to-Speech-Modell der neuen Generation, entwickelt für Klangtreue in Studioqualität, ausdrucksstarke Darbietung und Stabilität bei langen Inhalten. 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 Figurendialoge, Spiel- und Video-Voiceovers, Podcasts und Erzählungen, bei denen eine natürliche, ausdrucksstarke Wiedergabe in kurzer Zeit gefragt ist. Für noch geringere Latenz und niedrigere Kosten bei hohem Aufkommen siehe Gemini 3.8 Flash Lite TTS; für Premium-Ausgabe in Studioqualität siehe Gemini 2.5 Pro TTS.
Kostenanalyse
| Anbieter | Kosten | Notizen |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | Zahlung pro Generierung, ohne Abonnement. Entspricht Googles offiziellem Audio-Ausgabetarif für Gemini 3.8 Flash TTS. |
| Fal.ai | Nicht verfügbar | Bietet dieses Modell nicht an. |
| Replicate | Nicht verfügbar | Bietet dieses Modell nicht an. |
Zahlung pro Generierung, ohne Abonnement. Entspricht Googles offiziellem Audio-Ausgabetarif für Gemini 3.8 Flash TTS.
Bietet dieses Modell nicht an.
Bietet dieses Modell nicht an.
** Die Preise der Mitbewerber werden auf der Grundlage ähnlicher Modellarchitekturen und Nutzungsstufen geschätzt.
Konfigurationsschema
| Parameter | Typ | Beschreibung | Standard |
|---|---|---|---|
| Lautsprecher | array | . AUSWEIS . | [object Object],[object Object] |
| Dialogdrehungen | array | . Sprecher_ID . [schreit] [flüstert] . | [object Object],[object Object],[object Object],[object Object] |
| Szene | string | Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| Beispielkontext | string | Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| Temperatur | number | (0-2) . , . | 1 |
. AUSWEIS .
[object Object],[object Object]. Sprecher_ID . [schreit] [flüstert] .
[object Object],[object Object],[object Object],[object Object]Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly."
Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting."
(0-2) . , .
1Entwicklerdokumentation
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.
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.
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.
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-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
}'
Häufig gefragt
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.
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.
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.
Der Preis richtet sich nach der Gesamtzahl der Zeichen in allen Dialogzeilen und beträgt $0.015 pro 1.000 Zeichen – entsprechend Googles offiziellem Audio-Ausgabetarif für Gemini 3.8 Flash TTS. Du zahlst pro Generierung, ohne Abonnement.
Der Text jedes Dialog-Turns kann bis zu 10,000 Zeichen umfassen. Für längere Gespräche kannst du mehrere Turns verwenden.
Gemini 3.8 Flash TTS ist Googles Flash-Modell der neueren Generation. Es ist auf Klangtreue in Studioqualität, ausdrucksstarke Darbietung und Stabilität bei langen Inhalten ausgelegt und kostet weniger als die 3.1-Reihe. Gemini 3.8 Flash Lite TTS bietet etwas geringere Klangtreue, dafür noch niedrigere Latenz und Kosten bei dialogorientierten Anwendungen mit hohem Durchsatz.