Gemini 3.8 Flash TTS
Gemini TTS รุ่น Flash ระดับใหม่ล่าสุดของ Google ที่มีความเที่ยงตรงของเสียงระดับสตูดิโอ การแสดงที่แสดงออก และความเสถียรในรูปแบบยาว ที่ 0.015 ดอลลาร์สหรัฐฯ/1,000 อักขระ
Gemini TTS API ของ Muapi นำเสนอกลุ่มผลิตภัณฑ์การอ่านออกเสียงข้อความ Gemini เต็มรูปแบบของ Google ผ่านการผสานรวม REST แบบครบวงจร: Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTSโมเดลทุกรุ่นใช้รูปแบบบทสนทนาที่มีลำโพงหลายตัวเหมือนกัน — กำหนดเสียงของผู้พูด สำเนียง รูปแบบอารมณ์ และจังหวะ จากนั้นบทสนทนาที่เรียงลำดับสคริปต์จะเปลี่ยนด้วยแท็กโทนเสียงอินไลน์ เช่น [กระซิบ] หรือ [ตะโกน] ราคาเริ่มต้นที่ 0.01 ดอลลาร์ต่อ 1,000 อักขระ โดยมีรูปแบบการส่งและโพลแบบอะซิงโครนัสเหมือนกันในทุกระดับ
ผู้เล่นตัวจริงของ Gemini TTS เต็มรูปแบบถ่ายทอดสดบน Muapi
เลือกระดับ Gemini TTS ตามความเที่ยงตรง เวลาแฝง และต้นทุน กำหนดวิทยากรของคุณ เขียนสคริปต์บทสนทนา และสำรวจ ID คำขอที่ส่งคืนสำหรับไฟล์เสียงที่ดาวน์โหลดได้
Gemini TTS รุ่น Flash ระดับใหม่ล่าสุดของ Google ที่มีความเที่ยงตรงของเสียงระดับสตูดิโอ การแสดงที่แสดงออก และความเสถียรในรูปแบบยาว ที่ 0.015 ดอลลาร์สหรัฐฯ/1,000 อักขระ
ระดับ Gemini TTS ที่เหมาะสมที่สุด — คำพูดในการสนทนาที่มีปริมาณงานสูงและมีความหน่วงต่ำที่ 0.01 ดอลลาร์สหรัฐฯ/1,000 อักขระ
คำพูดแบบหลายลำโพงที่คุ้มราคาพร้อมเสียง สำเนียง สไตล์อารมณ์ และแท็กโทนเสียงในบรรทัด เช่น [กระซิบ] ที่แตกต่างกัน
คำพูดแบบหลายลำโพงระดับพรีเมียมสำหรับหนังสือเสียง บทสนทนาแบบภาพยนตร์ และการบรรยายแบบยาวพร้อมการนำเสนอที่มีความเที่ยงตรงสูง
รุ่น Gemini TTS ของ Google เปลี่ยนสคริปต์ที่เป็นลายลักษณ์อักษรให้เป็นเสียงจากลำโพงหลายตัวที่แสดงออกถึงความรู้สึก ทุกระดับมีรูปแบบคำขอเหมือนกัน: กำหนดผู้พูดตั้งแต่หนึ่งคนขึ้นไปด้วยเสียง สำเนียง สไตล์ทางอารมณ์ และจังหวะ จากนั้นเขียนลำดับบทสนทนาที่อ้างอิงถึงผู้พูดเหล่านั้น โดยมีแท็กโทนเสียงอินไลน์ เช่น [กระซิบ] [ตะโกน] หรือ [ตัดสินใจ] สำหรับทิศทางทางอารมณ์ระดับบรรทัด
Muapi เปิดเผยระดับ Gemini TTS ทั้งสี่ ได้แก่ Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS ผ่านคีย์ API หนึ่งรายการ โฟลว์การส่งและโพลแบบอะซิงโครนัสหนึ่งรายการ และการเรียกเก็บเงินแบบจ่ายตามการใช้งานที่โปร่งใสซึ่งตรงกับอัตราที่เผยแพร่ของ Google เอง
Gemini TTS ทุกระดับจะกำหนดเสียง สำเนียง และรูปแบบการถ่ายทอดที่แตกต่างกันให้กับการสนทนาตามสคริปต์ผ่านรูปแบบ `speakers` / `dialogue_turns` ที่ใช้ร่วมกัน
ฝังแท็ก เช่น [กระซิบ], [ตะโกน] และ [การตัดสินใจ] โดยตรงในข้อความบทสนทนาเพื่อการควบคุมระดับบรรทัดที่แสดงออก
เลือก Gemini 3.8 Flash TTS สำหรับความเที่ยงตรงระดับสตูดิโอ, Gemini 3.8 Flash Lite TTS สำหรับต้นทุนและเวลาแฝงที่ต่ำที่สุด, Gemini 3.1 Flash TTS สำหรับความสมดุลของรุ่นก่อนหน้าที่รวดเร็ว หรือ Gemini 2.5 Pro TTS สำหรับการบรรยายระดับพรีเมียม — ทั้งหมดนี้มีสคีมาคำขอเดียวกัน
เลือกจากชื่อเสียง Gemini 30 ชื่อ (Zephyr, Fenrir, Puck, Kore และอื่นๆ) และ 8 สำเนียง รวมถึง Neutral, American Variation, British (RP), British (Brixton), Transatlantic และ Australian
ตั้งค่าคำอธิบาย `ฉาก` ที่เป็นตัวเลือกสำหรับการตั้งค่าอะคูสติก และ `sample_context` สำหรับโทนเสียงคำบรรยายโดยรวม บวกกับการควบคุม `อุณหภูมิ` สำหรับรูปแบบการนำส่ง
ทุกระดับจะถูกเรียกเก็บเงินตามอัตราเอาต์พุตเสียง Gemini TTS ที่เผยแพร่โดย Google ต่อ 1,000 อักขระ โดยไม่มีมาร์กอัปและไม่มีการสมัครสมาชิก
NPC พากย์เสียงและบทสนทนาที่แตกแขนงด้วยตัวละครที่แตกต่างและสื่ออารมณ์ได้โดยใช้ Gemini 3.8 Flash หรือ Flash Lite TTS
ขับเคลื่อนตัวแทนเสียงแบบเรียลไทม์และระบบ IVR ด้วย Gemini 3.8 Flash Lite TTS การสร้างเวลาแฝงต่ำและปริมาณงานสูง
สร้างเสียงการสนทนาแบบหลายโฮสต์หรือคำบรรยายในรูปแบบยาวด้วยความเที่ยงตรงของคุณภาพสตูดิโอของ Gemini 2.5 Pro TTS
วนซ้ำโทนเสียง สำเนียง และจังหวะอย่างรวดเร็วบน Gemini 3.1 Flash TTS ก่อนเรนเดอร์ความเที่ยงตรงสูงในขั้นสุดท้าย
| รุ่น | ผู้ให้บริการ | ราคา | ดีที่สุดสำหรับ |
|---|---|---|---|
ส่งวิทยากรและบทสนทนาด้วยคีย์ Muapi API ของคุณ บันทึก ID คำขอ และสำรวจจุดสิ้นสุดผลลัพธ์การคาดการณ์มาตรฐานสำหรับ URL เสียง
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"}ความเที่ยงตรงของเสียงระดับสตูดิโอและความเสถียรในรูปแบบยาวสำหรับบทสนทนาและการบรรยายของตัวละคร
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."}]}'ระดับ Gemini TTS ที่ต้นทุนต่ำและมีความหน่วงต่ำที่สุดสำหรับคำพูดในการสนทนาที่มีปริมาณงานสูง
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."}]}'บทสนทนาแบบหลายลำโพงที่รวดเร็วและคุ้มค่าด้วย Flash tier รุ่นก่อนหน้า
บทสนทนาหลายลำโพงคุณภาพระดับสตูดิโอสำหรับหนังสือเสียงและการบรรยายภาพยนตร์
สำรวจจนกว่าสถานะจะเสร็จสมบูรณ์ จากนั้นอ่าน URL เสียงที่ดาวน์โหลดได้จากการตอบกลับ
Gemini TTS API ของ Muapi เปิดเผยกลุ่มผลิตภัณฑ์การอ่านออกเสียงข้อความ Gemini ทั้งหมดของ Google — Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS — ผ่านจุดสิ้นสุด REST หนึ่งจุดต่อโมเดล โดยทั้งหมดใช้รูปแบบคำขอการสนทนาแบบหลายลำโพงเดียวกัน
ใช้ Gemini 3.8 Flash TTS เพื่อความเที่ยงตรงระดับสตูดิโอด้วยต้นทุนที่ต่ำ Gemini 3.8 Flash Lite TTS เพื่อความหน่วงและต้นทุนต่ำสุดสำหรับเวิร์กโหลดปริมาณมากหรือแบบเรียลไทม์ Gemini 3.1 Flash TTS สำหรับตัวเลือกรุ่นก่อนหน้าที่รวดเร็ว หรือ Gemini 2.5 Pro TTS สำหรับการบรรยายระดับพรีเมียมที่มีความเที่ยงตรงสูงสุด
ราคาตรงกับอัตราที่เผยแพร่อย่างเป็นทางการของ Google: 0.015 ดอลลาร์ต่อ 1,000 ตัวอักษรสำหรับ Gemini 3.8 Flash TTS, 0.01 ดอลลาร์สำหรับ Gemini 3.8 Flash Lite TTS และ 0.035 ดอลลาร์สำหรับทั้ง Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS
กำหนดแต่ละเสียงในรายการ `ลำโพง` ด้วย `speaker_id` ที่ไม่ซ้ำกัน (ในรูปแบบ "Speaker N") จากนั้นอ้างอิง ID เหล่านั้นใน `dialogue_turns` ของคุณ โมเดลจะแสดงแต่ละบรรทัดด้วยเสียง สำเนียง สไตล์ และจังหวะของผู้พูดที่ได้รับมอบหมาย
Gemini TTS ทั้งสี่ระดับมีเสียงที่สร้างไว้ล่วงหน้า 30 เสียง (Zephyr, Fenrir, Puck, Kore และอื่นๆ) และ 8 สำเนียง รวมถึงเสียงกลาง เสียงแบบอเมริกัน เสียงอังกฤษ (RP) เสียงอังกฤษ (Brixton) เสียงข้ามมหาสมุทรแอตแลนติก และออสเตรเลีย
ใช่ Each speaker has `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) and `pace` (Natural, Rapid Fire, The Drift, Staccato) settings, plus inline tone tags like [whispers] or [shouting] embedded directly in the dialogue text.
แต่ละรุ่นส่งคืน URL ไฟล์เสียงที่ดาวน์โหลดได้จากจุดสิ้นสุดผลลัพธ์การทำนายมาตรฐาน ซึ่งพร้อมที่จะฝัง ดาวน์โหลด หรือส่งผ่านไปยังไปป์ไลน์วิดีโอหรือลิปซิงค์
สร้างคีย์ Muapi API เรียกตำแหน่งข้อมูลที่ตรงกับระดับ Gemini TTS ที่คุณต้องการ และสำรวจรหัสคำขอที่ส่งคืน ไม่จำเป็นต้องมีรายชื่อรอ — ทั้งสี่รุ่นใช้งานได้จริง
ใช้คีย์ Muapi API หนึ่งคีย์กับ Gemini 3.8 Flash TTS, Gemini 3.8 Flash Lite TTS, Gemini 3.1 Flash TTS และ Gemini 2.5 Pro TTS