gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS kombinerer instruktioner på naturligt sprog med udtryksfuld tale, så du kan forme følelser, tempo og fremførelsen af hvert replikskifte. På PoYo kan du vælge mellem 30 prædefinerede stemmer og skabe oplæsning eller samtaler mellem to talere på 130 sprog og give lydhistorier, lektioner og karakterdialog et bredere stemmeregister.

Hent API-nøgle

API-dokumentation

Input

Text

Voice

Speakers

Speaker Id

Voice

Speaker Id

Voice

Turns

Turn 1

Speaker Id

Text

Style Instructions

Turn 2

Speaker Id

Text

Style Instructions

Enable Safety Checker

Safety checks are always enabled in the playground and cannot be disabled.

Billable characters: 265. Includes transcript and all style_instructions. Spaces, newlines and vocal-event tags count; speaker IDs do not.

Output

Eksempel på output

Det her er eksempeldata. Generér et nyt resultat for at se det rigtige output.

Opgave-ID:example-gemini-3-8-flash-tts-defaultOprettet:2026-10-14T11:11:41

Status:finishedFremdrift:100%

Examples

Prisdetaljer

Betal efter forbrug. Intet abonnement og ingen skjulte gebyrer.

1 kredit = $0.005

Niveau	PoYo-pris
Tekst + stilinstruktioner	$0.045/1K tegn 9 kreditter/1K tegn 10,000 tegn: $0.450

Sådan afregnes det: Afregnes pr. 1.000 tegn inputtekst.

Prisen beregnes ud fra det endelige output.

GEMINI 3.8 FLASH TTS

Brug stilinstruktioner til at styre følelser og udtryk i oplæsning og dialog

Gemini 3.8 Flash TTS API til udtryksfuld tekst til tale

Få fremførelsen til at passe til dit manuskript, fra varm oplæsning til udtryksfuld karakterdialog. Med Gemini 3.8 Flash TTS på PoYo vælger du prædefinerede stemmer og bruger naturligt sprog til at styre følelser, tempo og fremførelsen af hvert replikskifte, så du kan skabe mere nuanceret flersproget stemmeindhold.

Hent API-nøgle

Vigtigste funktioner i Gemini 3.8 Flash TTS API

Skriv ordene, instruér fremførelsen, og hør forskellen. Klippene nedenfor er officielle modeldemonstrationer fra Google og ikke eksempler genereret på PoYo.

Naturlige følelser frem for flad oplæsning

Det samme servicesvar kan lyde tøvende, undskyldende eller beroligende. Gemini 3.8 Flash TTS styrer fremførelsen med instruktioner på naturligt sprog og gør det muligt at tilføje korte stemmehændelser inde i transskriptionen. Den officielle demonstration bevæger sig fra en tøvende forespørgsel til et beroligende svar, hvor pauser og suk gør stemmen mere lig en samtale i hverdagen.

Placér vedvarende følelser og tempo i style_instructions
Brug indlejrede hændelser som <sigh> og <short pause>
Vælg mellem de 30 prædefinerede stemmer, der er tilgængelige på PoYo

Instruér fremførelsen replik for replik

Én fremførelsesstil passer sjældent til en hel scene. Hold transskriptionen adskilt fra regianvisningerne, og angiv derefter global style_instructions eller style_instructions pr. replikskifte for at styre eftertryk, hast og tempo. Dette officielle uddrag af et filmmanuskript viser, hvordan skiftende fremførelse og reaktioner i samtalen kan opbygge spænding på tværs af efterfølgende replikker.

Adskil den talte tekst fra instruktionerne til fremførelsen
Angiv en fælles stil, eller instruér de enkelte replikskifte
Bevar pauser og reaktioner, hvor manuskriptet kræver det

To tydeligt forskellige stemmer i én samtale

Byg en dialog uden manuelt at samle hver enkelt talt replik. Konfigurér præcis to talere i speakers med hver deres prædefinerede stemme, og indsend derefter ordnede replikskifte, der henviser til deres speaker_id-værdier. Det officielle uddrag fra en oplæsning af manuskriptet viser tydelige stemmeidentiteter, naturlig replikveksling og korte svar fra lytteren i en opført samtale.

Konfigurér to stemmer i speakers
Opbyg samtalen med ordnede turns
Tilføj valgfri style_instructions til hvert replikskifte

Hvem har gavn af Gemini 3.8 Flash TTS API?

Producenter af lydbøger

Giv oplæsningen en tydelig følelsesmæssig retning og karakterstemmer, der adskiller sig fra hinanden. Med Gemini 3.8 Flash TTS kan teams bag lydbøger holde den talte tekst adskilt fra instruktionerne til fremførelsen og derefter genbruge prædefinerede stemmer i hele produktionsworkflowet.

Podcastteams

Gør et manuskript til to personer til en samtale med separate stemmer og ordnede replikskifte. Instruér hver vært i fremførelsen med Gemini 3.8 Flash TTS, og hold samtidig dialogstrukturen eksplicit i anmodningen.

Dialogforfattere til spil

Udforsk interaktioner mellem karakterer, reaktioner og scenens tempo med prædefinerede stemmer. Gemini 3.8 Flash TTS understøtter global instruktion og instruktion pr. replikskifte, så du kan teste dialog, før den flyttes ind i spillets lydpipeline.

Teams inden for uddannelse og træning

Skab talte lektioner, rollespilsøvelser og oplæst træningsmateriale. Brug Gemini 3.8 Flash TTS til at styre klarhed og tempo, mens du tilpasser skriftligt materiale til flersprogede lytteoplevelser.

Skabere af video og voiceover

Giv forklaringsvideoer, produktvideoer og redaktionelle manuskripter en passende tone. Gemini 3.8 Flash TTS holder instruktionerne til fremførelsen adskilt fra ordene, så det er lettere at håndtere rettelser af voiceovers.

Udviklere af stemmeapplikationer

Tilføj genereret oplæsning eller manuskriptbaserede samtaler til dit produkt. Integrér Gemini 3.8 Flash TTS via PoYos asynkrone opgavegrænseflade, og hent lyden, når hver generering er færdig.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Vælg den model, der passer til din arbejdsbyrde. Flash fokuserer på kreativ fremførelse, mens Flash-Lite fokuserer på effektiv produktion i stor skala. Grænsefladens muligheder nedenfor afspejler PoYos nuværende backend, mens modellernes positionering og sprogdækning følger Googles dokumentation.

Mulighed	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Modellens fokus	Stemmetroværdighed, nuancer i skuespillet og regionalt udtryk	Effektiv taleproduktion i store mængder
Understøttede sprog	130	101
Prædefinerede stemmer på PoYo	30	30
Input med én taler og to talere	Understøttet	Understøttet
Global style_instructions og style_instructions pr. replikskifte	Understøttet	Understøttet
PoYo-integration	Asynkrone opgaver med valgfrie callbacks	Asynkrone opgaver med valgfrie callbacks
Typisk arbejdsbyrde	Lydbøger, oplæsning og udtryksfuld dialog	Oplæsningsfunktioner og workflows til tale i bulk

Her sammenlignes to forskellige modeller. Der antydes ingen benchmark for PoYos svartid. Googles stemmedesign, stemmekopiering og udvidede stemmebibliotek er ikke tilgængelige via nogen af disse to PoYo-endpoints.

Sådan bruger du Gemini 3.8 Flash TTS API på PoYo

Trin 1: Tilmeld dig og opret en API-nøgle.
Log ind på PoYo, og opret en nøgle til din applikation.
Opret API-nøgle →

Trin 2: Tilføj kreditter.
Fyld din saldo op, og tjek modellens pristabel. Transskriptionens tekst og alle style_instructions tæller med i forbruget.
Tilføj kreditter →

Trin 3: Indsend dit manuskript.
Send model: gemini-3.8-flash-tts med tekst fra én taler eller strukturerede speakers og turns til POST /api/generate/submit. Forespørg på den returnerede task_id, eller angiv callback_url for at modtage opdateringer om, at opgaven er færdig.
Se API-reference →

Ofte stillede spørgsmål om Gemini 3.8 Flash TTS API

Hvad er Gemini 3.8 Flash TTS API?

Gemini 3.8 Flash TTS er Googles kreative tekst-til-tale-model til udtryksfuld oplæsning og dialog. PoYo giver asynkron API-adgang med 30 prædefinerede stemmer, separate stilinstruktioner og strukturerede samtaler mellem to talere. Indsend dit manuskript med model-ID'et gemini-3.8-flash-tts, og hent den genererede lyd, når opgaven er færdig.

Hvordan beregnes forbruget på PoYo?

Forbruget er proportionalt med de afregningspligtige tegn efter prisen i pristabellen ovenfor. Det omfatter transskriptionens tekst, global style_instructions og hvert replikskiftes tekst og style_instructions. Mellemrum, linjeskift, emoji og tags til stemmehændelser tæller med, mens taler-ID'er ikke gør. Anmodninger rundes ikke op til blokke på 1.000 tegn.

Hvilke stemmer kan jeg bruge?

PoYos nuværende endpoint understøtter 30 prædefinerede stemmer, blandt andet Kore, Puck, Charon og Zephyr. Anmodninger med én taler bruger som standard Kore. Hver af de to talere i dialogtilstand vælger en af de samme prædefinerede stemmer. Oprettelse af brugerdefinerede stemmer, stemmekopiering og det udvidede stemmebibliotek er ikke tilgængelige via dette endpoint.

Hvordan opretter jeg en samtale mellem to talere?

Angiv præcis to talere, hver med et unikt speaker_id og en understøttet stemme. Angiv derefter mindst ét element i turns med speaker_id og tekst, der ikke er tom. Tilføj style_instructions pr. replikskifte, når det er nødvendigt. Dialoganmodninger udelader text og voice på øverste niveau, fordi de hører til tilstanden med én taler.

Hvor skal jeg placere instruktioner om følelser og skuespil?

Placér vedvarende krav til fremførelsen i global style_instructions eller style_instructions pr. replikskifte, mens text kun indeholder det indhold, der skal siges. Korte stemmehændelser kan tilføjes i transskriptionen med tags som <laugh>, <sigh> eller <short pause>, så instruktionerne til fremførelsen og det talte indhold holdes tydeligt adskilt.

Hvor mange sprog understøttes?

Google dokumenterer 130 sprog for Gemini 3.8 Flash TTS mod 101 for Flash-Lite TTS. Sproget registreres ud fra transskriptionen, så det nuværende PoYo-endpoint har ikke en language_code-vælger. Vælg en understøttet prædefineret stemme, og skriv manuskriptet på det sprog, du har brug for.

Hvordan modtager jeg den genererede lyd?

Indsendelsen returnerer en task_id. Forespørg på det eksisterende statusendpoint, indtil opgaven er finished eller failed, eller angiv en valgfri callback_url. Færdige filer returneres i data.files. I Playground kan du afspille understøttet lyd og downloade den originale fil. Denne PoYo-integration bruger asynkrone opgaver og ikke lydstreaming.

Er klippene til funktionerne genereret på PoYo?

Nej. De er uddrag fra Googles officielle demonstrationer af Gemini 3.8 Flash TTS. De illustrerer modellens tilsvarende muligheder, og deres kilder er registreret i asset-manifestet. Eksempler genereret på PoYo tilføjes efter separat, reel generering og verifikation.

Hvorfor bruge PoYo til adgang til Gemini 3.8 Flash TTS API

Én velkendt API

Brug PoYos eksisterende nøgle og grænseflade til genereringsopgaver til at integrere tale sammen med andre understøttede modeller med en ensartet anmodningsstruktur og et ensartet workflow for opgavestatus.

Forbrug, du kan efterprøve

Se modellens tegnbaserede pris, og estimér forbruget, før du indsender. Transskriptionens tekst og stilinstruktioner indgår i den samme dokumenterede beregning uden afrunding til blokke på 1.000 tegn.

Test, før du integrerer

Udforsk manuskripter med én taler og dialog mellem to talere i Playground. Skift mellem formularinput og JSON for at inspicere den samme anmodning, som du vil bruge i din applikation.

Tilpasset din applikations workflow

Følg genereringen med opgave-ID'er og statusforespørgsler, eller angiv en callback-URL. Hent færdige lydfiler, når de er klar, og hold genereringen adskilt fra din applikations håndtering af anmodninger.