Genera parlato espressivo con più voci con Gemini 3.8 Flash TTS. Qualità vocale da studio e stabilità nei contenuti lunghi. Provalo gratis, paghi a consumo.
Genera parlato espressivo con più voci con Gemini 3.8 Flash TTS. Qualità vocale da studio e stabilità nei contenuti lunghi. Provalo gratis, paghi a consumo.
A proposito di questo modello
Gemini 3.8 Flash TTS è il modello di sintesi vocale di nuova generazione di Google, progettato per offrire qualità vocale da studio, interpretazione espressiva e stabilità nei contenuti lunghi. Definisci un numero qualsiasi di voci, ciascuna con timbro, accento, stile emotivo e ritmo distinti, quindi scrivi una conversazione in turni ordinati con indicazioni di tono come [whispers] o [shouting]. È ideale per dialoghi di personaggi, doppiaggi di giochi e video, podcast e narrazioni che richiedono un parlato naturale ed espressivo, generato rapidamente. Per ridurre ulteriormente latenza e costi nei carichi elevati, consulta Gemini 3.8 Flash Lite TTS; per un risultato di qualità premium da studio, consulta Gemini 2.5 Pro TTS.
Analisi dei costi
| Fornitore | Costo | Note |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | Pagamento per generazione, senza abbonamento. Tariffa conforme al prezzo ufficiale di Google per l’output audio di Gemini 3.8 Flash TTS. |
| Fal.ai | Non disponibile | Non offre questo modello. |
| Replicate | Non disponibile | Non offre questo modello. |
Pagamento per generazione, senza abbonamento. Tariffa conforme al prezzo ufficiale di Google per l’output audio di Gemini 3.8 Flash TTS.
Non offre questo modello.
Non offre questo modello.
**I prezzi della concorrenza sono stimati in base ad architetture di modelli e livelli di utilizzo simili.
Schema di configurazione
| Parametro | Digitare | Descrizione | Predefinito |
|---|---|---|---|
| Altoparlanti | array | . ID . | [object Object],[object Object] |
| Il dialogo si trasforma | array | . id_altoparlante. [gridando] [sussurrando] . | [object Object],[object Object],[object Object],[object Object] |
| scena | string | Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| Contesto campione | string | Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| Temperatura | number | (0-2) . , . | 1 |
. ID .
[object Object],[object Object]. id_altoparlante. [gridando] [sussurrando] .
[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) . , .
1Documentazione per gli sviluppatori
Define your speakers: Add one entry per voice to the speakers list. Give each a speaker_id in "Speaker N" format, pick a voice_name, and set the accent, style, and pace. Optionally add an audio_profile describing the persona.
Write the dialogue: Fill dialogue_turns with ordered lines. Each turn's speaker_id must match a speaker you defined. You can embed tone tags inline such as [whispers], [shouting], or [determination].
Set the mood (optional): Use scene to describe the acoustic setting and sample_context to set the overall narration tone. Adjust temperature (0-2) for more or less varied delivery.
Submit and poll: POST the request, then poll /predictions/{request_id}/result until the status is completed to get the audio URL.
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
}'
Chiesto frequentemente
Define each voice in the `speakers` list with a unique `speaker_id` (in "Speaker N" format), then reference those IDs in your `dialogue_turns`. The model renders each line in that speaker's assigned voice, accent, style, and pace.
Yes. Each speaker has `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) and `pace` (Natural, Rapid Fire, The Drift, Staccato) settings. You can also embed inline tone tags like [whispers], [shouting], or [determination] directly in the dialogue text.
There are 30 prebuilt voices (Zephyr, Fenrir, Puck, Kore, and more) and 8 accents including Neutral, American variants, British (RP), British (Brixton), Transatlantic, and Australian.
Pricing is based on the total number of characters across all dialogue turns, at $0.015 per 1,000 characters — matching Google's official Gemini 3.8 Flash TTS audio-output rate. You pay per generation with no subscription.
Each dialogue turn's text can be up to 10,000 characters. You can include multiple turns to build longer conversations.
Gemini 3.8 Flash TTS is Google's newer generation Flash tier, tuned for studio-grade voice fidelity, expressive acting, and long-form stability at a lower cost than the 3.1 line. Gemini 3.8 Flash Lite TTS trades a little fidelity for even lower latency and cost on high-throughput, conversational workloads.