Gemini 3.8 Flash TTS
Najnowszy model Google Gemini TTS z obsługą Flash, zapewniający studyjną wierność głosu, ekspresyjną grę aktorską i stabilność przy długich formatach przy cenie 0,015 USD za 1000 znaków.
Interfejs API Gemini TTS firmy Muapi zapewnia pełną gamę rozwiązań Google do przetwarzania tekstu na mowę Gemini poprzez jedną ujednoliconą integrację REST: Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.Każdy model ma ten sam format dialogu z wieloma głośnikami — zdefiniuj głosy mówiących, akcenty, style emocjonalne i tempo, a następnie dialogi uporządkowane według scenariusza za pomocą wbudowanych znaczników tonu, takich jak [szepty] lub [krzyki]. Ceny zaczynają się od 0,01 USD za 1000 znaków przy tym samym asynchronicznym wzorcu przesyłania i ankietowania na każdym poziomie.
Pełny skład Gemini TTS jest dostępny na Muapi
Wybierz poziom Gemini TTS według wierności, opóźnienia i kosztu, zdefiniuj głośniki, napisz skrypt dialogu i odpytaj zwrócony identyfikator żądania w celu uzyskania pliku audio do pobrania.
Najnowszy model Google Gemini TTS z obsługą Flash, zapewniający studyjną wierność głosu, ekspresyjną grę aktorską i stabilność przy długich formatach przy cenie 0,015 USD za 1000 znaków.
Najbardziej przystępna cenowo warstwa Gemini TTS — mowa konwersacyjna o dużej przepustowości i niskim opóźnieniu przy cenie 0,01 USD za 1000 znaków.
Ekonomiczna mowa wielogłośnikowa z odrębnymi głosami, akcentami, stylami emocjonalnymi i wbudowanymi znacznikami tonu, takimi jak [szepty].
Wysokiej jakości mowa wielogłośnikowa do audiobooków, dialogów kinowych i długich narracji o wysokiej jakości.
Modele Gemini TTS firmy Google zamieniają pisany scenariusz w wyrazisty dźwięk z wieloma głośnikami. Każdy poziom ma ten sam kształt żądania: zdefiniuj jednego lub więcej mówców z głosem, akcentem, stylem emocjonalnym i tempem, a następnie napisz uporządkowane zwroty dialogów odnoszące się do tych mówców, z wbudowanymi znacznikami tonu, takimi jak [szepty], [krzyk] lub [określenie] kierunku emocjonalnego na poziomie linii.
Muapi udostępnia wszystkie cztery poziomy Gemini TTS – Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS – za pomocą jednego klucza API, jednego asynchronicznego przepływu przesyłania i ankietowania oraz przejrzystego rozliczenia typu „pay-as-you-go” zgodnego ze stawkami opublikowanymi przez Google.
Każdy poziom Gemini TTS przypisuje różne głosy, akcenty i style wypowiedzi do scenariuszy konwersacji za pośrednictwem wspólnego formatu „głośnicy” / „zwroty_dialogu”.
Osadzaj znaczniki takie jak [szepty], [krzyki] i [determinacja] bezpośrednio w tekście dialogu, aby uzyskać ekspresyjną kontrolę na poziomie linii.
Wybierz Gemini 3.8 Flash TTS, aby uzyskać studyjną jakość dźwięku, Gemini 3.8 Flash Lite TTS, aby uzyskać najniższy koszt i najniższe opóźnienia, Gemini 3.1 Flash TTS, aby uzyskać szybką równowagę w stosunku do poprzedniej generacji, lub Gemini 2.5 Pro TTS, aby uzyskać narrację premium – wszystkie z tym samym schematem żądań.
Wybieraj spośród 30 imion głosowych Gemini (Zephyr, Fenrir, Puck, Korea i więcej) i 8 akcentów, w tym neutralnego, amerykańskiego, brytyjskiego (RP), brytyjskiego (Brixton), transatlantyckiego i australijskiego.
Ustaw opcjonalny opis „sceny” dla ustawień akustycznych i „próbkowy_kontekst” dla ogólnego tonu narracji, a także kontrolę „temperatury” dla zmienności dostarczania.
Każdy poziom jest rozliczany według opublikowanej przez Google stawki wyjściowego sygnału audio Gemini TTS za 1000 znaków, bez żadnych znaczników i subskrypcji.
Głosuj NPC i rozgałęziaj rozmowy z różnymi, emocjonalnie ukierunkowanymi postaciami za pomocą Gemini 3.8 Flash lub Flash Lite TTS.
Zasilaj agentów głosowych w czasie rzeczywistym i systemy IVR dzięki generacji Gemini 3.8 Flash Lite TTS o niskim opóźnieniu i wysokiej przepustowości.
Twórz dźwięk konwersacji między wieloma hostami lub długą narrację dzięki studyjnej jakości Gemini 2.5 Pro TTS.
Szybko zmieniaj ton, akcent i tempo w Gemini 3.1 Flash TTS przed ostatecznym renderowaniem o wysokiej wierności.
| Modelka | Dostawca | Cena | Najlepsze dla |
|---|---|---|---|
Przesyłaj głośniki i zwroty dialogów za pomocą klucza API Muapi, zapisz identyfikator żądania i odpytuj standardowy punkt końcowy wyniku przewidywania pod kątem adresu 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":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'
# Response: {"request_id":"REQUEST_ID"}Wierność głosu klasy studyjnej i stabilność długich form dialogów i narracji postaci.
curl -X POST https://api.muapi.ai/api/v1/gemini-3-8-flash-lite-tts \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Zephyr","accent":"American (Gen)","style":"Newscaster","pace":"Rapid Fire"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"Breaking news, delivered fast and clear."}]}'Najtańsza warstwa Gemini TTS o najniższych opóźnieniach, zapewniająca wysoką przepustowość mowy konwersacyjnej.
curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-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."}]}'Szybki i ekonomiczny dialog z wieloma głośnikami dzięki warstwie Flash poprzedniej generacji.
curl -X POST https://api.muapi.ai/api/v1/gemini-2-5-pro-tts \
-H "x-api-key: YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Rasalgethi","accent":"Transatlantic","style":"Vocal Smile","pace":"Natural","audio_profile":"A warm, seasoned audiobook narrator"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[gently] Once upon a time, in a quiet valley hidden away..."}]}'Wysokiej jakości wielogłośnikowy dialog o studyjnej jakości dla audiobooków i narracji filmowej.
Odpytuj, aż status zostanie ukończony, a następnie przeczytaj adres URL pliku audio do pobrania z odpowiedzi.
Interfejs API Gemini TTS firmy Muapi udostępnia pełną ofertę Google do przetwarzania tekstu na mowę Gemini — Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS — za pośrednictwem jednego zunifikowanego punktu końcowego REST na każdy model, a wszystkie korzystają z tego samego formatu żądania dialogu z wieloma głośnikami.
Użyj Gemini 3.8 Flash TTS, aby uzyskać jakość studyjną przy niskich kosztach, Gemini 3.8 Flash Lite TTS, aby uzyskać najniższe opóźnienia i koszty przy dużych obciążeniach lub obciążeniach w czasie rzeczywistym, Gemini 3.1 Flash TTS, aby uzyskać szybką opcję poprzedniej generacji, lub Gemini 2.5 Pro TTS, aby uzyskać narrację premium o najwyższej jakości.
Ceny odpowiadają oficjalnym stawkom opublikowanym przez Google: 0,015 USD za 1000 znaków w przypadku Gemini 3.8 Flash TTS, 0,01 USD w przypadku Gemini 3.8 Flash Lite TTS i 0,035 USD w przypadku Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.
Zdefiniuj każdy głos na liście „głośników” za pomocą unikalnego „id_głośnika” (w formacie „Głośnik N”), a następnie odwołuj się do tych identyfikatorów w swoich „zwrotach_dialogu”. Model renderuje każdą linię z przypisanym głosem, akcentem, stylem i tempem tego mówcy.
Wszystkie cztery poziomy Gemini TTS korzystają z 30 gotowych głosów (Zephyr, Fenrir, Puck, Korea i więcej) oraz 8 akcentów, w tym neutralnego, amerykańskiego, brytyjskiego (RP), brytyjskiego (Brixton), transatlantyckiego i australijskiego.
Tak. Każdy mówca ma ustawienia „stylu” (uśmiech wokalu, prezenter wiadomości, szept, empatia, promocja/hype, śmiertelność) i „tempa” (naturalny, szybki ogień, dryf, staccato), a także wbudowane znaczniki tonu, takie jak [szepty] lub [krzyki] osadzone bezpośrednio w tekście dialogu.
Każdy model zwraca adres URL pliku audio do pobrania ze standardowego punktu końcowego wyniku przewidywania, gotowy do osadzenia, pobrania lub przekazania do potoku wideo lub synchronizacji ruchu warg.
Utwórz klucz Muapi API, wywołaj punkt końcowy odpowiadający żądanej warstwie Gemini TTS i odpytuj zwrócony identyfikator żądania. Nie jest wymagana żadna lista oczekujących — wszystkie cztery modelki są aktywne.
Użyj jednego klucza Muapi API w Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS i Gemini 2.5 Pro TTS.