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

Gemini 3.8 Flash Lite TTS: AI เสียงและดนตรี

สร้างเสียงพูดหลายผู้พูดที่มีเวลาแฝงต่ำและรองรับปริมาณงานสูงด้วย Gemini 3.8 Flash Lite TTS ทดลองใช้ได้ฟรี จ่ายตามการใช้งาน ไม่มีค่าสมัครสมาชิก. Gemini 3.8 Flash Lite TTS คือโมเดลแปลงข้อความเป็นเสียงของ Google ที่รองรับปริมาณงานสูง เวลาแฝงต่ำ และคุ้มค่า ออกแบบมาเพื่อการสร้างเสียงสนทนาขนาดใหญ่ กำหนดผู้พูดได้ไม่จำกัดจำนวน โดยแต่ละคนมีเสียง สำเนียง อารมณ์ และจังหวะการพูดเฉพาะตัว จากนั้นเขียนบทสนทนาเป็นลำดับรอบพูด พร้อมแท็กน้ำเสียงในข้อความ เช่น [whispers] หรือ [shouting] เหมาะสำหรับเสียงพากย์ปริมาณมาก เอเจนต์สนทนาแบบเรียลไทม์ และงานบรรยายที่คำนึงถึงงบประมาณและให้ความสำคัญกับความเร็วและต้นทุน หากต้องการความคมชัดของเสียงที่สูงขึ้น ดู Gemini 3.8 Flash TTS; หากต้องการผลงานระดับสตูดิโอพรีเมียม ดู Gemini 2.5 Pro TTS.

การควบคุมโมเดลแบบโต้ตอบ

สร้างเสียงพูดหลายผู้พูดที่มีเวลาแฝงต่ำและรองรับปริมาณงานสูงด้วย Gemini 3.8 Flash Lite TTS ทดลองใช้ได้ฟรี จ่ายตามการใช้งาน ไม่มีค่าสมัครสมาชิก

📝

ภาพรวม

เกี่ยวกับรุ่นนี้

Gemini 3.8 Flash Lite TTS คือโมเดลแปลงข้อความเป็นเสียงของ Google ที่รองรับปริมาณงานสูง เวลาแฝงต่ำ และคุ้มค่า ออกแบบมาเพื่อการสร้างเสียงสนทนาขนาดใหญ่ กำหนดผู้พูดได้ไม่จำกัดจำนวน โดยแต่ละคนมีเสียง สำเนียง อารมณ์ และจังหวะการพูดเฉพาะตัว จากนั้นเขียนบทสนทนาเป็นลำดับรอบพูด พร้อมแท็กน้ำเสียงในข้อความ เช่น [whispers] หรือ [shouting] เหมาะสำหรับเสียงพากย์ปริมาณมาก เอเจนต์สนทนาแบบเรียลไทม์ และงานบรรยายที่คำนึงถึงงบประมาณและให้ความสำคัญกับความเร็วและต้นทุน หากต้องการความคมชัดของเสียงที่สูงขึ้น ดู Gemini 3.8 Flash TTS; หากต้องการผลงานระดับสตูดิโอพรีเมียม ดู Gemini 2.5 Pro TTS.

1AI สนทนา: ขับเคลื่อนเอเจนต์เสียงและระบบ IVR แบบเรียลไทม์ด้วยเสียงหลายผู้พูดที่มีเวลาแฝงต่ำ
2การผลิตปริมาณมาก: สร้างเสียงพากย์และบทพูดตัวละครจำนวนมาก โดยมีต้นทุนต่อบรรทัดต่ำที่สุด
3พอดแคสต์: สร้างเสียงสนทนาหลายผู้ดำเนินรายการจากสคริปต์ที่เขียนไว้
4การสร้างต้นแบบ: ปรับโทน สำเนียง และจังหวะการพูดได้อย่างรวดเร็วก่อนเรนเดอร์ฉบับคุณภาพสูง
💰

ราคาและความคุ้มค่า

การวิเคราะห์ต้นทุน

muapiapp$0.01 per 1,000 characters

คิดค่าบริการตามจำนวนอักขระที่สร้าง ไม่มีค่าสมาชิก

Fal.aiไม่พร้อมใช้งาน

ไม่เสนอรุ่นนี้

Replicateไม่พร้อมใช้งาน

ไม่เสนอรุ่นนี้

** ราคาของคู่แข่งประเมินโดยพิจารณาจากสถาปัตยกรรมโมเดลและระดับการใช้งานที่คล้ายคลึงกัน

⚙️

รายละเอียดทางเทคนิค

สคีมาการกำหนดค่า

ลำโพงarray

. บัตรประจำตัว

ค่าเริ่มต้น[object Object],[object Object]
บทสนทนาเปลี่ยนไปarray

. ลำโพง_id [ตะโกน] [กระซิบ] .

ค่าเริ่มต้น[object Object],[object Object],[object Object],[object Object]
ฉากstring

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

ค่าเริ่มต้น
บริบทตัวอย่างstring

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

ค่าเริ่มต้น
อุณหภูมิnumber

(0-2) . , .

ค่าเริ่มต้น1
📖

คู่มือการใช้งาน

เอกสารสำหรับนักพัฒนา

วิธีใช้ Gemini 3.8 Flash Lite TTS

  1. กำหนดผู้พูด: เพิ่มรายการหนึ่งรายการต่อหนึ่งเสียงในลิสต์ speakers กำหนด speaker_id ให้แต่ละคนในรูปแบบ "Speaker N" เลือก voice_name แล้วตั้งค่า accent, style และ pace คุณสามารถเพิ่ม audio_profile เพื่ออธิบายบุคลิกได้

  2. เขียนบทสนทนา: กรอกบรรทัดตามลำดับใน dialogue_turns ค่า speaker_id ของแต่ละรอบต้องตรงกับผู้พูดที่คุณกำหนดไว้ คุณสามารถใส่แท็กน้ำเสียงในข้อความได้ เช่น [whispers], [shouting] หรือ [determination]

  3. กำหนดบรรยากาศ (ไม่บังคับ): ใช้ scene เพื่ออธิบายสภาพแวดล้อมทางเสียง และใช้ sample_context เพื่อกำหนดโทนการบรรยายโดยรวม ปรับ temperature (0-2) เพื่อให้การถ่ายทอดมีความหลากหลายมากขึ้นหรือน้อยลง

  4. ส่งคำขอและตรวจสอบผล: ส่งคำขอด้วย POST จากนั้นตรวจสอบ /predictions/{request_id}/result ซ้ำจนกว่า status จะเป็น completed เพื่อรับ URL ของเสียง

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
  }'
❓

คำถามทั่วไป

คำถามที่พบบ่อย

สร้างบทสนทนาหลายผู้พูดได้อย่างไร?

กำหนดเสียงแต่ละเสียงในลิสต์ `speakers` พร้อม `speaker_id` ที่ไม่ซ้ำกัน (ในรูปแบบ "Speaker N") จากนั้นอ้างอิง ID เหล่านั้นใน `dialogue_turns` โมเดลจะสร้างเสียงของแต่ละบรรทัดตามเสียง สำเนียง สไตล์ และจังหวะการพูดที่กำหนดให้ผู้พูดคนนั้น

ควบคุมอารมณ์และจังหวะการพูดได้หรือไม่?

ได้ ผู้พูดแต่ละคนมีการตั้งค่า `style` (Vocal Smile, Newscaster, Whisper, Empathetic, Promo/Hype, Deadpan) และ `pace` (Natural, Rapid Fire, The Drift, Staccato) นอกจากนี้ยังใส่แท็กน้ำเสียงในข้อความบทสนทนาได้โดยตรง เช่น [whispers], [shouting] หรือ [determination]

มีเสียงและสำเนียงใดให้เลือกบ้าง?

มีเสียงสำเร็จรูป 30 แบบ (Zephyr, Fenrir, Puck, Kore และอื่นๆ) และสำเนียง 8 แบบ ได้แก่ Neutral, รูปแบบต่างๆ ของ American, British (RP), British (Brixton), Transatlantic และ Australian

คำนวณราคาอย่างไร?

คิดราคาจากจำนวนอักขระทั้งหมดในทุกรอบบทสนทนา ที่ $0.01 ต่อ 1,000 อักขระ ซึ่งตรงกับอัตราเอาต์พุตเสียงอย่างเป็นทางการของ Gemini 3.8 Flash Lite TTS จาก Google และเป็นระดับราคาที่ประหยัดที่สุดในตระกูล Gemini TTS ชำระเงินตามการสร้างแต่ละครั้งโดยไม่มีค่าสมัครสมาชิก

แต่ละบรรทัดยาวได้สูงสุดเท่าใด?

ข้อความในแต่ละรอบบทสนทนามีความยาวได้สูงสุด 10,000 อักขระ คุณสามารถเพิ่มหลายรอบเพื่อสร้างบทสนทนาที่ยาวขึ้นได้

ควรใช้รุ่น Lite แทน Flash หรือ Pro เมื่อใด?

ใช้ Gemini 3.8 Flash Lite TTS กับงานที่ต้องรองรับปริมาณงานสูง เวลาแฝงต่ำ และคำนึงถึงต้นทุน เช่น เอเจนต์สนทนาแบบเรียลไทม์ หรืองานเสียงพากย์เป็นชุดขนาดใหญ่ หากต้องการความคมชัดของเสียงที่สูงขึ้น ให้ใช้ Gemini 3.8 Flash TTS; หากต้องการเสียงบรรยายระดับสตูดิโอพรีเมียม ให้ใช้ Gemini 2.5 Pro TTS