Générez une voix expressive à plusieurs intervenants avec Gemini 3.8 Flash TTS. Une fidélité vocale de qualité studio et une stabilité sur les longs formats. Essayez gratuitement, payez à l’usage.
Générez une voix expressive à plusieurs intervenants avec Gemini 3.8 Flash TTS. Une fidélité vocale de qualité studio et une stabilité sur les longs formats. Essayez gratuitement, payez à l’usage.
À propos de ce modèle
Gemini 3.8 Flash TTS est le modèle de synthèse vocale de nouvelle génération de Google, conçu pour offrir une fidélité vocale de qualité studio, une interprétation expressive et une stabilité sur les longs formats. Définissez autant d’intervenants que nécessaire, chacun avec une voix, un accent, un style émotionnel et un rythme distincts, puis scénarisez une conversation en tours de dialogue ordonnés avec des indications de ton intégrées comme [whispers] ou [shouting]. Il est idéal pour les dialogues de personnages, les voix off de jeux et de vidéos, les podcasts et la narration nécessitant une diction naturelle et expressive, rapidement. Pour réduire encore la latence et le coût des traitements à grand volume, découvrez Gemini 3.8 Flash Lite TTS ; pour une qualité studio haut de gamme, consultez Gemini 2.5 Pro TTS.
Analyse des coûts
| Fournisseur | Coût | Remarques |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | Payez par génération, sans abonnement. Conforme au tarif officiel de Google pour la sortie audio de Gemini 3.8 Flash TTS. |
| Fal.ai | Non disponible | Ne propose pas ce modèle. |
| Replicate | Non disponible | Ne propose pas ce modèle. |
Payez par génération, sans abonnement. Conforme au tarif officiel de Google pour la sortie audio de Gemini 3.8 Flash TTS.
Ne propose pas ce modèle.
Ne propose pas ce modèle.
** Les prix des concurrents sont estimés sur la base d'architectures de modèles et de niveaux d'utilisation similaires.
Schéma de configuration
| Paramètre | Taper | Description | Par défaut |
|---|---|---|---|
| Haut-parleurs | array | . IDENTIFIANT . | [object Object],[object Object] |
| Les dialogues tournent | array | . haut-parleur_id . [criant] [chuchotant] . | [object Object],[object Object],[object Object],[object Object] |
| scène | string | Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| Exemple de contexte | string | Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| Température | number | (0-2) . , . | 1 |
. IDENTIFIANT .
[object Object],[object Object]. haut-parleur_id . [criant] [chuchotant] .
[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) . , .
1Documentation du développeur
Définir les intervenants : ajoutez une entrée par voix dans la liste speakers. Attribuez à chacune un speaker_id au format "Speaker N", choisissez un voice_name, puis définissez accent, style et pace. Vous pouvez aussi ajouter un audio_profile décrivant le personnage.
Rédiger le dialogue : renseignez dialogue_turns avec les répliques dans l’ordre. Le speaker_id de chaque tour doit correspondre à un intervenant défini. Vous pouvez insérer des indications de ton comme [whispers], [shouting] ou [determination].
Définir l’ambiance (facultatif) : utilisez scene pour décrire l’environnement acoustique et sample_context pour définir le ton général de la narration. Réglez temperature (0-2) pour obtenir une interprétation plus ou moins variée.
Envoyer la requête et interroger son état : envoyez la requête avec POST, puis interrogez /predictions/{request_id}/result jusqu’à ce que le statut soit completed afin d’obtenir l’URL audio.
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
}'
Foire aux questions
Définissez chaque voix dans la liste `speakers` avec un `speaker_id` unique (au format "Speaker N"), puis faites référence à ces identifiants dans `dialogue_turns`. Le modèle interprète chaque réplique avec la voix, l’accent, le style et le rythme attribués à l’intervenant.
Oui. Chaque intervenant dispose des réglages `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) et `pace` (Natural, Rapid Fire, The Drift, Staccato). Vous pouvez aussi insérer des indications de ton comme [whispers], [shouting] ou [determination] directement dans le dialogue.
Trente voix prédéfinies sont disponibles (Zephyr, Fenrir, Puck, Kore et d’autres), ainsi que 8 accents, dont Neutral, des variantes américaines, British (RP), British (Brixton), Transatlantic et Australian.
Le tarif dépend du nombre total de caractères dans tous les tours de dialogue, à raison de $0.015 pour 1 000 caractères, conformément au tarif officiel de Google pour la sortie audio de Gemini 3.8 Flash TTS. Vous payez chaque génération, sans abonnement.
Le texte de chaque tour de dialogue peut contenir jusqu’à 10 000 caractères. Vous pouvez ajouter plusieurs tours pour créer des conversations plus longues.
Gemini 3.8 Flash TTS est la nouvelle génération de la gamme Flash de Google, optimisée pour une fidélité vocale de qualité studio, une interprétation expressive et une stabilité sur les longs formats, à un coût inférieur à celui de la gamme 3.1. Gemini 3.8 Flash Lite TTS sacrifie légèrement la fidélité au profit d’une latence et d’un coût encore plus faibles pour les conversations et les traitements à haut débit.