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

Gemini 3.8 Flash TTS: Áudio e música com IA

Gere fala expressiva com vários locutores usando Gemini 3.8 Flash TTS. Fidelidade de voz com qualidade de estúdio e estabilidade em conteúdos longos. Experimente grátis e pague por uso.

Carregar controles interativos

Gere fala expressiva com vários locutores usando Gemini 3.8 Flash TTS. Fidelidade de voz com qualidade de estúdio e estabilidade em conteúdos longos. Experimente grátis e pague por uso.

📝

Visão geral

Sobre este modelo

Gemini 3.8 Flash TTS é o modelo de conversão de texto em fala de nova geração do Google, desenvolvido para oferecer fidelidade de voz com qualidade de estúdio, interpretação expressiva e estabilidade em conteúdos longos. Defina quantos locutores quiser, cada um com voz, sotaque, estilo emocional e ritmo próprios, e depois escreva uma conversa em turnos ordenados, usando marcações de tom como [whispers] ou [shouting]. É ideal para diálogos de personagens, dublagens de jogos e vídeos, podcasts e narrações que exigem uma entrega natural e expressiva com rapidez. Para ainda menos latência e custo em cargas de alto volume, veja Gemini 3.8 Flash Lite TTS; para resultados premium com qualidade de estúdio, veja Gemini 2.5 Pro TTS.

1Games & Interactive: Voice NPCs e branching dialogue com distinct, emotionally-directed characters.
2Video & Shorts: Generate expressive, studio-grade voiceovers e character lines for content production.
3Podcasts: Produce multi-host conversational audio from a written script.
4Prototyping: Iterate quickly on tone, accent, e pacing before a final high-fidelity render.
💰

Preço e valor

Análise de custos

muapiapp$0.015 per 1,000 characters

Pague por geração, sem assinatura. Matches Google's official Gemini 3.8 Flash TTS audio-output rate.

Fal.aiNão disponível

Não oferece este modelo.

ReplicateNão disponível

Não oferece este modelo.

** Os preços dos concorrentes são estimados com base em arquiteturas de modelos e níveis de uso semelhantes.

⚙️

Detalhes técnicos

Esquema de configuração

Alto-falantesarray

. EU IA .

Valor padrão[object Object],[object Object]
Diálogo giraarray

. alto-falante_id. [gritando] [sussurrando] .

Valor padrão[object Object],[object Object],[object Object],[object Object]
cenastring

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

Valor padrão
Exemplo de contextostring

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

Valor padrão
Temperaturanumber

(0-2) . , .

Valor padrão1
📖

Guia de implementação

Documentação do desenvolvedor

How to Use Gemini 3.8 Flash TTS

  1. 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, e set the accent, style, e pace. Optionally add an audio_profile describing the persona.

  2. Write the dialogue: Fill dialogue_turns com ordered lines. Each turn's speaker_id must match a speaker you defined. Você pode embed tone tags inline such as [whispers], [shouting], or [determination].

  3. Defina the mood (optional): Use scene to describe the acoustic setting e sample_context to set the overall narration tone. Adjust temperature (0-2) for more or less varied delivery.

  4. Submit e 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
  }'
❓

Perguntas comuns

Perguntas frequentes

Como create a multi-speaker conversation?

Define each voice in the `speakers` list com 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, e pace.

Posso control emotion e pacing?

Sim. Each speaker has `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) e `pace` (Natural, Rapid Fire, The Drift, Staccato) settings. Você pode also embed inline tone tags like [whispers], [shouting], or [determination] directly in the dialogue text.

What voices e accents are disponível?

There are 30 prebuilt voices (Zephyr, Fenrir, Puck, Kore, e more) e 8 accents including Neutral, American variants, British (RP), British (Brixton), Transatlantic, e Australian.

How is pricing calculated?

Pricing is based on the total number of characters ao longo de all dialogue turns, at $0.015 per 1,000 characters — matching Google's official Gemini 3.8 Flash TTS audio-output rate. You pague por geração com sem assinatura.

What é o maximum length per line?

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

How does this differ from Gemini 3.1 Flash TTS e Gemini 3.8 Flash Lite TTS?

Gemini 3.8 Flash TTS é do Google newer generation Flash tier, tuned for studio-grade voice fidelity, expressive acting, e 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 e cost on high-throughput, conversational workloads.