Hasilkan suara multi-speaker yang ekspresif dengan Gemini 3.8 Flash TTS. Fidelitas suara setara studio dan stabilitas untuk konten panjang. Coba gratis, bayar sesuai penggunaan.
Hasilkan suara multi-speaker yang ekspresif dengan Gemini 3.8 Flash TTS. Fidelitas suara setara studio dan stabilitas untuk konten panjang. Coba gratis, bayar sesuai penggunaan.
Tentang model ini
Gemini 3.8 Flash TTS adalah model text-to-speech generasi terbaru dari Google, dirancang untuk fidelitas suara setara studio, akting yang ekspresif, dan stabilitas untuk konten panjang. Tentukan jumlah speaker sebanyak yang Anda perlukan, masing-masing dengan suara, aksen, gaya emosional, dan tempo yang berbeda, lalu susun percakapan dalam giliran dialog berurutan dengan tag nada inline seperti [whispers] atau [shouting]. Model ini ideal untuk dialog karakter, sulih suara game dan video, podcast, serta narasi yang membutuhkan penyampaian alami dan ekspresif dengan cepat. Untuk latensi dan biaya yang lebih rendah pada beban kerja bervolume tinggi, lihat Gemini 3.8 Flash Lite TTS; untuk hasil premium berkualitas studio, lihat Gemini 2.5 Pro TTS.
Analisis biaya
| Penyedia | Biaya | Catatan |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | Bayar per generasi, tanpa langganan. Sesuai tarif keluaran audio resmi Gemini 3.8 Flash TTS dari Google. |
| Fal.ai | Tidak tersedia | Tidak menawarkan model ini. |
| Replicate | Tidak tersedia | Tidak menawarkan model ini. |
Bayar per generasi, tanpa langganan. Sesuai tarif keluaran audio resmi Gemini 3.8 Flash TTS dari Google.
Tidak menawarkan model ini.
Tidak menawarkan model ini.
** Harga pesaing diperkirakan berdasarkan arsitektur model dan tingkat penggunaan yang serupa.
Skema konfigurasi
| Parameter | Jenis | Keterangan | Bawaan |
|---|---|---|---|
| Pembicara | array | . PENGENAL . | [object Object],[object Object] |
| Dialog Berubah | array | . pembicara_id . [berteriak] [berbisik]. | [object Object],[object Object],[object Object],[object Object] |
| adegan | string | Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| Contoh Konteks | string | Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| Suhu | number | (0-2) . , . | 1 |
. PENGENAL .
[object Object],[object Object]. pembicara_id . [berteriak] [berbisik].
[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) . , .
1Dokumentasi pengembang
Tentukan speaker Anda: Tambahkan satu entri untuk setiap suara ke daftar speakers. Beri masing-masing speaker_id dengan format "Speaker N", pilih voice_name, lalu atur accent, style, dan pace. Anda juga dapat menambahkan audio_profile yang menjelaskan persona.
Tulis dialog: Isi dialogue_turns dengan baris-baris berurutan. speaker_id pada setiap giliran harus cocok dengan speaker yang telah Anda tentukan. Anda dapat menyisipkan tag nada seperti [whispers], [shouting], atau [determination].
Atur suasana (opsional): Gunakan scene untuk menjelaskan latar akustik dan sample_context untuk mengatur nada narasi secara keseluruhan. Sesuaikan temperature (0-2) untuk membuat penyampaian lebih atau kurang bervariasi.
Kirim permintaan dan periksa hasilnya: Kirim permintaan POST, lalu periksa /predictions/{request_id}/result hingga status menjadi completed untuk mendapatkan 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
}'
Sering ditanyakan
Tentukan setiap suara dalam daftar `speakers` dengan `speaker_id` unik (dengan format "Speaker N"), lalu gunakan ID tersebut di `dialogue_turns`. Model akan menghasilkan setiap baris dengan suara, aksen, gaya, dan tempo yang ditetapkan untuk speaker tersebut.
Bisa. Setiap speaker memiliki pengaturan `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) dan `pace` (Natural, Rapid Fire, The Drift, Staccato). Anda juga dapat menyisipkan tag nada seperti [whispers], [shouting], atau [determination] langsung ke teks dialog.
Tersedia 30 suara bawaan (Zephyr, Fenrir, Puck, Kore, dan lainnya) serta 8 aksen, termasuk Neutral, variasi American, British (RP), British (Brixton), Transatlantic, dan Australian.
Harga dihitung berdasarkan jumlah total karakter di semua giliran dialog, dengan tarif $0.015 per 1,000 karakter — sesuai dengan tarif output audio resmi Google untuk Gemini 3.8 Flash TTS. Anda membayar setiap kali membuat hasil, tanpa langganan.
Teks pada setiap giliran dialog dapat mencapai 10,000 karakter. Anda dapat menyertakan beberapa giliran untuk membuat percakapan yang lebih panjang.
Gemini 3.8 Flash TTS adalah Flash generasi terbaru dari Google, yang disetel untuk fidelitas suara setara studio, akting ekspresif, dan stabilitas untuk konten panjang dengan biaya lebih rendah daripada lini 3.1. Gemini 3.8 Flash Lite TTS sedikit mengorbankan fidelitas demi latensi dan biaya yang lebih rendah untuk beban kerja percakapan dengan throughput tinggi.