Tạo giọng nói biểu cảm với nhiều người nói bằng Gemini 3.8 Flash TTS. Độ trung thực giọng nói chuẩn phòng thu, ổn định với nội dung dài. Dùng thử miễn phí, trả phí theo lượt sử dụng.
Tạo giọng nói biểu cảm với nhiều người nói bằng Gemini 3.8 Flash TTS. Độ trung thực giọng nói chuẩn phòng thu, ổn định với nội dung dài. Dùng thử miễn phí, trả phí theo lượt sử dụng.
Về mô hình này
Gemini 3.8 Flash TTS is mô hình chuyển văn bản thành giọng nói thế hệ mới của Google, được phát triển để tạo giọng chuẩn phòng thu, diễn đạt biểu cảm và ổn định với nội dung dài. Khai báo số lượng người nói tùy ý, mỗi người có giọng, khẩu âm, sắc thái cảm xúc và tốc độ riêng; sau đó viết hội thoại theo thứ tự lượt thoại, kèm thẻ giọng điệu như [whispers] hoặc [shouting]. Mô hình phù hợp với lời thoại nhân vật, lồng tiếng trò chơi và video, podcast và thuyết minh cần cách đọc tự nhiên, biểu cảm với tốc độ cao. Để giảm thêm độ trễ và chi phí cho khối lượng công việc lớn, hãy xem Gemini 3.8 Flash Lite TTS; để có đầu ra cao cấp chuẩn phòng thu, hãy xem Gemini 2.5 Pro TTS.
Phân tích chi phí
| nhà cung cấp | Chi phí | Ghi chú |
|---|---|---|
| muapiapp | $0.015 per 1,000 characters | Pay per generation, no subscription. Matches Google's official Gemini 3.8 Flash TTS audio-output rate. |
| Fal.ai | Không khả dụng | Không cung cấp mô hình này. |
| Replicate | Không khả dụng | Không cung cấp mô hình này. |
Pay per generation, no subscription. Matches Google's official Gemini 3.8 Flash TTS audio-output rate.
Không cung cấp mô hình này.
Không cung cấp mô hình này.
** Giá của đối thủ cạnh tranh được ước tính dựa trên kiến trúc mô hình và cấp độ sử dụng tương tự.
Lược đồ cấu hình
| tham số | Loại | Mô tả | Mặc định |
|---|---|---|---|
| speakers | array | 。 ID 。 | [object Object],[object Object] |
| dialogue_turns | array | 。 speaker_id 。 [shouting] [whispers] 。 | [object Object],[object Object],[object Object],[object Object] |
| scene | string | scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly." | |
| sample_context | string | overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting." | |
| temperature | number | （0-2）。，。 | 1 |
。 ID 。
[object Object],[object Object]。 speaker_id 。 [shouting] [whispers] 。
[object Object],[object Object],[object Object],[object Object]scene description that sets the acoustic setting, e.g. "A quiet, warm room with a fireplace crackling softly."
overall tone/style, e.g. "Audiobook style narration. Tone is gentle and inviting."
（0-2）。，。
1Tài liệu dành cho nhà phát triển
Khai báo người nói: Add one entry per voice to the speakers list. Give each a speaker_id in "Speaker N" format, pick a voice_name, and set the accent, style, and pace. Optionally add an audio_profile describing the persona.
Viết hội thoại: Fill dialogue_turns with ordered lines. Each turn's speaker_id must match a speaker you defined. You can embed tone tags inline such as [whispers], [shouting], hoặc [determination].
Thiết lập không khí (không bắt buộc): Use scene to describe the acoustic setting and sample_context to set the overall narration tone. Adjust temperature (0-2) for more hoặc less varied delivery.
Gửi yêu cầu và kiểm tra trạng thái: 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
}'
Thường xuyên hỏi
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.
Có. 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], hoặc [determination] directly in the dialogue text.
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.
Pricing is based on the total number of characters across all dialogue turns, at $0.015 per 1,000 characters — matching Google's official Gemini 3.8 Flash TTS audio-output rate. You pay per generation with no subscription.
Each dialogue turn's text can be up to 10,000 characters. You can include multiple turns to build longer conversations.
Gemini 3.8 Flash TTS is Google's newer generation Flash tier, tuned for studio-grade voice fidelity, expressive acting, and 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 and cost on high-throughput, conversational workloads.