gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS kombiniert Anweisungen in natürlicher Sprache mit ausdrucksstarker Sprache und ermöglicht es Ihnen, Emotion, Tempo und die Wiedergabe jeder Gesprächsrunde zu gestalten. Auf PoYo können Sie aus 30 voreingestellten Stimmen wählen und Erzählungen oder Gespräche mit zwei Sprechern in 130 Sprachen erstellen, wodurch mehr stimmliche Vielfalt in Audiogeschichten, Lektionen und Charakterdialoge gebracht wird.

APIKey erhalten

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

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

Output

Beispielausgabe

Dies sind Beispieldaten. Generieren Sie ein neues Ergebnis, um die echte Ausgabe zu sehen.

Task-ID:example-gemini-3-8-flash-tts-defaultErstellt:2026-10-14T11:11:41

Status:finishedFortschritt:100%

Examples

Preisinformationen

Transparente Preise ohne versteckte Kosten. Bezahle nur, was du nutzt.

gemini-3.8-flash-tts

Text and style instructions

PoYo-Preis

$0.045

9 Credits

Offizieller Preis

Du sparst

Model	Spezifikation	PoYo-Preis	Offizieller Preis	Du sparst
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 Credits per 1000 characters	-	-

* Tatsächliche Gebühren basieren auf dem endgültigen Ergebnis.

GEMINI 3.8 FLASH TTS

Verwenden Sie Stilvorgaben, um Emotion und Wiedergabe für Erzählungen und Dialoge zu steuern

Gemini 3.8 Flash TTS API für ausdrucksstarke Text-to-Speech-Ausgabe

Passen Sie die Wiedergabe an Ihr Skript an, von warmer Erzählung bis zu ausdrucksstarkem Charakterdialog. Mit Gemini 3.8 Flash TTS auf PoYo können Sie voreingestellte Stimmen auswählen und natürliche Sprache verwenden, um Emotion, Tempo und die Wiedergabe pro Gesprächsrunde zu steuern und so vielschichtigere mehrsprachige Sprachinhalte zu erstellen.

API-Schlüssel erhalten

Wichtige Funktionen der Gemini 3.8 Flash TTS API

Schreiben Sie die Wörter, bestimmen Sie die Wiedergabe und hören Sie den Unterschied. Die Clips unten sind offizielle Google-Modell-Demonstrationen und keine von PoYo erstellten Beispiele.

Natürliche Emotionen über eine flache Lesung hinaus

Dieselbe Serviceantwort kann zögerlich, entschuldigend oder beruhigend klingen. Gemini 3.8 Flash TTS steuert die Darbietung durch natürlichsprachliche Anweisungen und ermöglicht das Hinzufügen momentaner stimmlicher Ereignisse innerhalb des Transkripts. Die offizielle Demonstration geht von einer zögerlichen Anfrage zu einer beruhigenden Antwort über, wobei Pausen und Seufzer die Stimme näher an alltägliche Gespräche bringen.

Nachhaltige Emotion und Tempo in style_instructions beibehalten
Inline-Ereignisse wie <sigh> und <short pause> verwenden
Aus den 30 auf PoYo bereitgestellten voreingestellten Stimmen auswählen

Die Performance Zeile für Zeile steuern

Ein einzelner Darbietungsstil passt selten zu einer gesamten Szene. Halten Sie das Transkript getrennt von Regieanweisungen und legen Sie dann globale oder pro-Zug style_instructions fest, um Betonung, Dringlichkeit und Tempo zu steuern. Dieser offizielle Drehbuchauszug demonstriert, wie veränderte Darbietung und Gesprächsreaktionen Spannung über aufeinanderfolgende Zeilen hinweg aufbauen können.

Gesprochenen Text von Darbietungsanweisungen trennen
Einen gemeinsamen Stil festlegen oder einzelne Züge steuern
Pausen und Reaktionen dort beibehalten, wo das Skript sie benötigt

Zwei unterschiedliche Stimmen in einem Gespräch

Erstellen Sie einen Dialog, ohne jede gesprochene Zeile manuell zusammenzufügen. Konfigurieren Sie genau zwei Sprecher in speakers mit ihren eigenen voreingestellten Stimmen und übermitteln Sie anschließend geordnete turns, die auf ihre speaker_id-Werte verweisen. Der offizielle Auszug einer Tischlesung veranschaulicht unterschiedliche stimmliche Identitäten, natürliches Sprecherwechseln und kurze Zuhörerreaktionen in einem aufgeführten Gespräch.

Zwei Stimmen in speakers konfigurieren
Das Gespräch mit geordneten turns anordnen
Optionale style_instructions zu jedem turn hinzufügen

Für wen eignet sich die Gemini 3.8 Flash TTS API?

Hörbuchproduzenten

Verleihen Sie der Erzählung eine klare emotionale Ausrichtung und unverwechselbare Charakterstimmen. Gemini 3.8 Flash TTS ermöglicht Hörbuchteams, gesprochenen Text von Performance-Anweisungen zu trennen und anschließend voreingestellte Stimmen in ihrem Produktionsworkflow wiederzuverwenden.

Podcast-Teams

Verwandeln Sie ein Zwei-Personen-Skript in ein Gespräch mit separaten Stimmen und geordneten turns. Steuern Sie die Wiedergabe jedes Hosts mit Gemini 3.8 Flash TTS und halten Sie gleichzeitig die Dialogstruktur in der Anfrage eindeutig.

Autoren von Spieldialogen

Erkunden Sie Charakterinteraktionen, Reaktionen und Szenentempo mit voreingestellten Stimmen. Gemini 3.8 Flash TTS unterstützt globale und pro-turn Anweisungen zum Testen von Dialogen, bevor sie in die Audiopipeline eines Spiels gelangen.

Bildungs- und Schulungsteams

Erstellen Sie gesprochene Lektionen, Rollenspielübungen und vertonte Schulungsmaterialien. Verwenden Sie Gemini 3.8 Flash TTS, um Klarheit und Tempo zu steuern und gleichzeitig schriftliche Inhalte für mehrsprachige Hörerlebnisse anzupassen.

Ersteller von Videos und Voiceovers

Verleihen Sie Erklärvideos, Produktvideos und redaktionellen Skripten den passenden Ton. Gemini 3.8 Flash TTS hält Anweisungen zur Wiedergabe getrennt von den Wörtern, wodurch Überarbeitungen von Voiceovers einfacher zu verwalten sind.

Entwickler von Sprachanwendungen

Fügen Sie Ihrem Produkt generierte Erzählungen oder geskriptete Gespräche hinzu. Integrieren Sie Gemini 3.8 Flash TTS über die asynchrone Aufgaben-Schnittstelle von PoYo und rufen Sie Audio ab, sobald jede Generierung abgeschlossen ist.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Wählen Sie das Modell für die Arbeitslast. Flash konzentriert sich auf kreative Leistung; Flash-Lite konzentriert sich auf effiziente Produktion im großen Maßstab. Die unten aufgeführten Schnittstellenfunktionen spiegeln das aktuelle Backend von PoYo wider, während die Modellpositionierung und Sprachabdeckung der Dokumentation von Google folgen.

Fähigkeit	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Modellfokus	Stimmtreue, schauspielerische Nuancen und regionale Ausdrucksweise	Effiziente Sprachproduktion mit hohem Volumen
Unterstützte Sprachen	130	101
Voreingestellte Stimmen auf PoYo	30	30
Eingabe mit einem Sprecher und zwei Sprechern	Unterstützt	Unterstützt
Globale und pro Turn geltende style_instructions	Unterstützt	Unterstützt
PoYo-Integration	Asynchrone Aufgaben mit optionalen Rückrufen	Asynchrone Aufgaben mit optionalen Rückrufen
Typische Nutzung	Hörbücher, Sprechertexte und ausdrucksstarke Dialoge	Vorlesefunktionen und umfangreiche Sprach-Workflows

Dies vergleicht zwei verschiedene Modelle. Es wird kein PoYo-Latenz-Benchmark impliziert. Googles Sprachdesign, Sprachreplikation und erweiterte Sprachbibliothek werden von keinem dieser beiden PoYo-Endpunkte bereitgestellt.

So verwenden Sie die Gemini 3.8 Flash TTS API auf PoYo

Schritt 1: Registrieren und API-Schlüssel erstellen.
Melden Sie sich bei PoYo an und erstellen Sie einen Schlüssel für Ihre Anwendung.
API-Schlüssel erstellen →

Schritt 2: Guthaben hinzufügen.
Laden Sie Ihr Guthaben auf und prüfen Sie die Modell-Preistabelle. Transkripttext und alle style_instructions werden bei der Nutzung berücksichtigt.
Guthaben hinzufügen →

Schritt 3: Ihr Skript übermitteln.
Senden Sie model: gemini-3.8-flash-tts mit Einzelsprechertext oder strukturierten Sprechern und Turns an POST /api/generate/submit. Fragen Sie die zurückgegebene task_id ab oder geben Sie callback_url an, um Abschlussaktualisierungen zu erhalten.
API-Referenz anzeigen →

Häufig gestellte Fragen zur Gemini 3.8 Flash TTS API

Was ist die Gemini 3.8 Flash TTS API?

Gemini 3.8 Flash TTS ist Googles kreatives Text-to-Speech-Modell für ausdrucksstarke Sprechertexte und Dialoge. PoYo bietet asynchronen API-Zugriff mit 30 voreingestellten Stimmen, separaten Stilanweisungen und strukturierten Zwei-Sprecher-Konversationen. Übermitteln Sie Ihr Skript mit der Modell-ID gemini-3.8-flash-tts und rufen Sie die generierte Audiodatei ab, sobald die Aufgabe abgeschlossen ist.

Wie wird die Nutzung auf PoYo berechnet?

Die Nutzung ist proportional zu den abrechenbaren Zeichen und verwendet den Tarif aus der obigen Preistabelle. Sie umfasst Transkripttext, globale style_instructions sowie den Text und die style_instructions jedes Turns. Leerzeichen, Zeilenumbrüche, Emoji und Vocal-Event-Tags werden gezählt; Sprecher-IDs nicht. Anfragen werden nicht auf Blöcke von 1.000 Zeichen aufgerundet.

Welche Stimmen kann ich verwenden?

Der aktuelle PoYo-Endpunkt unterstützt 30 voreingestellte Stimmen, darunter Kore, Puck, Charon und Zephyr. Einzelsprecher-Anfragen verwenden standardmäßig Kore. Jeder der beiden Sprecher im Dialogmodus wählt eine dieser gleichen Voreinstellungen aus. Die Erstellung benutzerdefinierter Stimmen, Stimmreplikation und die erweiterte Stimmenbibliothek sind über diesen Endpunkt nicht verfügbar.

Wie erstelle ich eine Unterhaltung mit zwei Sprechern?

Geben Sie genau zwei Sprecher an, jeweils mit einer eindeutigen speaker_id und einer unterstützten Stimme. Fügen Sie anschließend mindestens ein Element in turns mit speaker_id und nicht leerem Text hinzu. Fügen Sie bei Bedarf style_instructions pro Turn hinzu. Dialog-Anfragen lassen die oberste Ebene text und voice aus, da diese zum Einzelsprecher-Modus gehören.

Wo soll ich Anweisungen zu Emotionen und Schauspiel platzieren?

Halten Sie Anforderungen an eine durchgehende Sprechweise in globalen oder pro Turn geltenden style_instructions fest, während text nur den zu sprechenden Inhalt enthält. Kurzzeitige stimmliche Ereignisse können im Transkript mit Tags wie <laugh>, <sigh> oder <short pause> hinzugefügt werden, wobei Anweisungen zur Vortragsweise und gesprochener Inhalt klar getrennt bleiben.

Wie viele Sprachen werden unterstützt?

Google dokumentiert 130 Sprachen für Gemini 3.8 Flash TTS, verglichen mit 101 für Flash-Lite TTS. Die Sprache wird aus dem Transkript erkannt, daher stellt der aktuelle PoYo-Endpunkt keinen language_code-Selektor bereit. Wählen Sie eine unterstützte Voreinstellung und schreiben Sie das Skript in der benötigten Sprache.

Wie erhalte ich die generierte Audiodatei?

Die Übermittlung gibt eine task_id zurück. Fragen Sie den vorhandenen Status-Endpunkt ab, bis die Aufgabe finished oder failed ist, oder geben Sie eine optionale callback_url an. Abgeschlossene Dateien werden in data.files zurückgegeben. Mit dem Playground können Sie unterstützte Audiodateien abspielen und die Originaldatei herunterladen. Diese PoYo-Integration verwendet asynchrone Aufgaben anstelle von Audio-Streaming.

Werden die Feature-Clips auf PoYo generiert?

Nein. Sie sind Ausschnitte aus den offiziellen Gemini 3.8 Flash TTS-Demonstrationen von Google. Sie veranschaulichen die entsprechenden Modellfunktionen, und ihre Quellen sind im Asset-Manifest aufgezeichnet. Von PoYo generierte Beispielausgaben werden nach separater echter Generierung und Verifizierung hinzugefügt.

Warum PoYo für den API-Zugriff auf Gemini 3.8 Flash TTS verwenden

Eine vertraute API

Verwenden Sie den vorhandenen PoYo-Schlüssel und die Generierungsaufgaben-Schnittstelle, um Sprache neben anderen unterstützten Modellen zu integrieren – mit einem einheitlichen Anfrageformat und einem Workflow für den Aufgabenstatus.

Nutzung, die Sie überprüfen können

Sehen Sie den zeichenbasierten Tarif des Modells und schätzen Sie die Nutzung vor der Übermittlung. Transkripttext und Stilvorgaben verwenden dieselbe dokumentierte Berechnung, ohne Aufrundung auf Blöcke mit 1.000 Zeichen.

Vor der Integration testen

Erkunden Sie Einzelsprecher-Skripte und Zwei-Sprecher-Dialoge im Playground. Wechseln Sie zwischen Formulareingaben und JSON, um dieselbe Anfrage zu prüfen, die Sie in Ihrer Anwendung verwenden werden.

An Ihren Anwendungsworkflow anpassen

Verfolgen Sie die Generierung mit Aufgaben-IDs und Statusabfragen oder stellen Sie eine Callback-URL bereit. Rufen Sie fertige Audiodateien ab, sobald sie bereit sind, und halten Sie die Generierung von der Anfrageverarbeitung Ihrer Anwendung getrennt.