🔥 Black Friday AI API deals are live· New drops every MondayEnds in--d --:--:--See deals →

Gemini 3.8 Flash Lite TTS: Dźwięk i muzyka AI

Twórz wypowiedzi wielu mówców z niskim opóźnieniem i dużą przepustowością dzięki Gemini 3.8 Flash Lite TTS. Wypróbuj bezpłatnie, płać za użycie, bez abonamentu.

Interaktywne sterowanie modelem

Twórz wypowiedzi wielu mówców z niskim opóźnieniem i dużą przepustowością dzięki Gemini 3.8 Flash Lite TTS. Wypróbuj bezpłatnie, płać za użycie, bez abonamentu.

📝

Przegląd

O tym modelu

Gemini 3.8 Flash Lite TTS is Google's high-throughput, low-latency, cost-efficient text-to-speech model, optimized for conversational speech at scale. Define any number of speakers, each with a distinct voice, accent, emotional style, and pace, then script a conversation across ordered dialogue turns with inline tone tags like [whispers] or [shouting]. It is ideal for high-volume voiceovers, real-time conversational agents, and budget-conscious narration where speed and cost matter most. For higher voice fidelity, see Gemini 3.8 Flash TTS; for premium studio-quality output, see Gemini 2.5 Pro TTS.

1Konwersacyjna AI: Obsługuj agentów głosowych i systemy IVR w czasie rzeczywistym, z niskim opóźnieniem i wieloma mówcami.
2Produkcja na dużą skalę: Generuj duże partie nagrań lektorskich i kwestii postaci przy najniższym koszcie pojedynczej kwestii.
3Podcasty: Twórz konwersacyjne nagrania z wieloma prowadzącymi na podstawie scenariusza.
4Prototypowanie: Szybko dopracuj ton, akcent i tempo przed końcowym renderem wysokiej jakości.
💰

Ceny i wartość

Analiza kosztów

muapiapp$0.01 per 1,000 characters

Pay per generation, no subscription. Matches Google's official Gemini 3.8 Flash Lite TTS audio-output rate — the most affordable tier in the Gemini TTS family.

Fal.aiNiedostępne

Nie oferuje tego modelu.

ReplicateNiedostępne

Nie oferuje tego modelu.

** Ceny konkurencji są szacowane na podstawie podobnych architektur modeli i poziomów użytkowania.

⚙️

Szczegóły techniczne

Schemat konfiguracji

Głośnikiarray

. Identyfikator .

Wartość domyślna[object Object],[object Object]
Dialog się zmieniaarray

. identyfikator_głośnika. [krzyczy] [szepcze] .

Wartość domyślna[object Object],[object Object],[object Object],[object Object]
scenastring

Optional scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly."

Wartość domyślna
Przykładowy kontekststring

Optional overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting."

Wartość domyślna
Temperaturanumber

(0-2) . , .

Wartość domyślna1
📖

Przewodnik wdrożeniowy

Dokumentacja deweloperska

Jak korzystać z Gemini 3.8 Flash Lite TTS

  1. Zdefiniuj mówców: Dodaj jeden wpis dla każdego głosu do speakers listy. Każdemu nadaj speaker_id in "Speaker N" w formacie, wybierz voice_name, oraz ustaw accent, style, and pace. Opcjonalnie dodaj audio_profile opisujący postać.

  2. Napisz dialog: Uzupełnij dialogue_turns uporządkowanymi kwestiami. W każdym wystąpieniu speaker_id musi odpowiadać zdefiniowanemu mówcy. Możesz wstawiać znaczniki tonu, takie jak [whispers], [shouting], or [determination].

  3. Ustaw nastrój (opcjonalnie): Użyj scene do opisania akustyki, a sample_context do określenia ogólnego tonu narracji. Dostosuj temperature (0-2) aby uzyskać bardziej lub mniej zróżnicowaną wypowiedź.

  4. Wyślij żądanie i odpytuj o wynik: POST żądanie, a następnie odpytuj /predictions/{request_id}/result aż status będzie równy completed aby otrzymać adres URL nagrania.

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": "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
  }'
❓

Często zadawane pytania

Często zadawane pytania

Jak utworzyć rozmowę z wieloma mówcami?

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.

Czy mogę sterować emocjami i tempem?

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.

Jakie głosy i akcenty są dostępne?

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.

Jak obliczane są koszty?

Pricing is based on the total number of characters across all dialogue turns, at $0.01 per 1,000 characters — matching Google's official Gemini 3.8 Flash Lite TTS audio-output rate, the most affordable tier in the Gemini TTS family. You pay per generation with no subscription.

Jaka jest maksymalna długość pojedynczej kwestii?

Each dialogue turn's text can be up to 10,000 characters. You can include multiple turns to build longer conversations.

When should I use the Lite version instead of Flash or Pro?

Użyj Gemini 3.8 Flash Lite TTS for high-throughput, low-latency, cost-sensitive workloads like real-time conversational agents or large batch voiceover jobs. For higher voice fidelity, use Gemini 3.8 Flash TTS; for premium studio-quality narration, use Gemini 2.5 Pro TTS.