Gemini 3.8 Flash TTS से कई वक्ताओं वाली अभिव्यक्तिपूर्ण वाणी बनाएँ। स्टूडियो-स्तर की आवाज़ की स्पष्टता और लंबे ऑडियो में स्थिरता। मुफ़्त आज़माएँ, उपयोग के अनुसार भुगतान करें।
Gemini 3.8 Flash TTS से कई वक्ताओं वाली अभिव्यक्तिपूर्ण वाणी बनाएँ। स्टूडियो-स्तर की आवाज़ की स्पष्टता और लंबे ऑडियो में स्थिरता। मुफ़्त आज़माएँ, उपयोग के अनुसार भुगतान करें।
इस मॉडल के बारे में
Gemini 3.8 Flash TTS, Google का नई पीढ़ी का टेक्स्ट-टू-स्पीच मॉडल है, जिसे स्टूडियो-स्तर की आवाज़ की स्पष्टता, अभिव्यक्तिपूर्ण अभिनय और लंबे ऑडियो में स्थिरता के लिए बनाया गया है। जितने चाहें उतने वक्ता तय करें; हर एक के लिए अलग आवाज़, लहजा, भावनात्मक शैली और गति चुनें। फिर क्रमबद्ध संवाद टर्न में बातचीत लिखें और [whispers] या [shouting] जैसे इनलाइन टोन टैग जोड़ें। यह किरदारों के संवाद, गेम और वीडियो के वॉइसओवर, पॉडकास्ट तथा कथन के लिए उपयुक्त है, जहाँ तेज़ी के साथ स्वाभाविक और अभिव्यक्तिपूर्ण प्रस्तुति चाहिए। और भी कम विलंबता तथा लागत वाले अधिक मात्रा के काम के लिए Gemini 3.8 Flash Lite TTS देखें; प्रीमियम स्टूडियो-गुणवत्ता आउटपुट के लिए Gemini 2.5 Pro TTS देखें।
लागत विश्लेषण
| प्रदाता | लागत | टिप्पणियाँ |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | प्रति जनरेशन भुगतान, कोई सदस्यता नहीं। Google की आधिकारिक Gemini 3.8 Flash TTS ऑडियो-आउटपुट दर के अनुरूप। |
| Fal.ai | उपलब्ध नहीं है | यह मॉडल पेश नहीं करता. |
| Replicate | उपलब्ध नहीं है | यह मॉडल पेश नहीं करता. |
प्रति जनरेशन भुगतान, कोई सदस्यता नहीं। Google की आधिकारिक Gemini 3.8 Flash TTS ऑडियो-आउटपुट दर के अनुरूप।
यह मॉडल पेश नहीं करता.
यह मॉडल पेश नहीं करता.
** प्रतिस्पर्धी मूल्य निर्धारण का अनुमान समान मॉडल आर्किटेक्चर और उपयोग स्तरों के आधार पर लगाया जाता है।
कॉन्फ़िगरेशन स्कीमा
| पैरामीटर | प्रकार | विवरण | डिफ़ॉल्ट |
|---|---|---|---|
| वक्ता | array | । पहचान । | [object Object],[object Object] |
| संवाद मोड़ | array | . स्पीकर_आईडी। [चिल्लाते हुए] [फुसफुसाते हुए]। | [object Object],[object Object],[object Object],[object Object] |
| दृश्य | string | Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| नमूना संदर्भ | string | Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| तापमान | number | (0-2) . , . | 1 |
। पहचान ।
[object Object],[object Object]. स्पीकर_आईडी। [चिल्लाते हुए] [फुसफुसाते हुए]।
[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) . , .
1डेवलपर दस्तावेज़ीकरण
वक्ताओं को परिभाषित करें: speakers सूची में हर आवाज़ के लिए एक प्रविष्टि जोड़ें। प्रत्येक को speaker_id "Speaker N" फ़ॉर्मैट में दें, voice_name चुनें और accent, style तथा pace सेट करें। चाहें तो व्यक्तित्व का वर्णन करने वाला audio_profile भी जोड़ें।
संवाद लिखें: dialogue_turns में क्रमबद्ध पंक्तियाँ भरें। हर टर्न का speaker_id आपके परिभाषित वक्ताओं में से किसी एक से मेल खाना चाहिए। आप [whispers], [shouting] या [determination] जैसे टोन टैग इनलाइन जोड़ सकते हैं।
माहौल तय करें (वैकल्पिक): ध्वनिक परिवेश बताने के लिए scene और कथन का समग्र टोन तय करने के लिए sample_context इस्तेमाल करें। प्रस्तुति में विविधता कम या ज़्यादा करने के लिए temperature (0-2) समायोजित करें।
अनुरोध भेजें और स्थिति जाँचें: अनुरोध POST करें, फिर ऑडियो URL पाने के लिए /predictions/{request_id}/result को तब तक पोल करें, जब तक स्थिति completed न हो जाए।
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
}'
अक्सर पूछा जाता है
`speakers` सूची में हर आवाज़ को एक अलग `speaker_id` दें ("Speaker N" फ़ॉर्मैट में), फिर उन IDs को अपने `dialogue_turns` में इस्तेमाल करें। मॉडल हर पंक्ति को उस वक्ता की तय आवाज़, लहजे, शैली और गति में प्रस्तुत करता है।
हाँ। हर वक्ता के लिए `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) और `pace` (Natural, Rapid Fire, The Drift, Staccato) सेटिंग उपलब्ध हैं। आप [whispers], [shouting] या [determination] जैसे इनलाइन टोन टैग सीधे संवाद टेक्स्ट में भी जोड़ सकते हैं।
30 पहले से तैयार आवाज़ें (Zephyr, Fenrir, Puck, Kore और अन्य) तथा 8 लहजे उपलब्ध हैं। इनमें Neutral, American के विभिन्न रूप, British (RP), British (Brixton), Transatlantic और Australian शामिल हैं।
सभी संवाद टर्न के कुल अक्षरों की संख्या के आधार पर, हर 1,000 अक्षरों के लिए $0.015 शुल्क लिया जाता है — यह Google की आधिकारिक Gemini 3.8 Flash TTS ऑडियो-आउटपुट दर के अनुरूप है। कोई सब्सक्रिप्शन नहीं; हर जनरेशन के लिए भुगतान करें।
हर संवाद टर्न का टेक्स्ट 10,000 अक्षरों तक हो सकता है। लंबी बातचीत बनाने के लिए कई टर्न शामिल किए जा सकते हैं।
Gemini 3.8 Flash TTS, Google की नई पीढ़ी का Flash श्रेणी वाला मॉडल है। इसे 3.1 लाइन से कम लागत पर स्टूडियो-स्तर की आवाज़ की स्पष्टता, अभिव्यक्तिपूर्ण अभिनय और लंबे ऑडियो में स्थिरता के लिए बेहतर बनाया गया है। Gemini 3.8 Flash Lite TTS, अधिक थ्रूपुट वाले बातचीत-केंद्रित कामों में विलंबता और लागत और कम करने के लिए थोड़ी आवाज़ की स्पष्टता छोड़ता है।