gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS combina indicaciones en lenguaje natural con voz expresiva, permitiéndote dar forma a la emoción, el ritmo y la interpretación de cada turno. En PoYo, elige entre 30 voces preestablecidas y crea narraciones o conversaciones de dos interlocutores en 130 idiomas, aportando más variedad vocal a historias de audio, lecciones y diálogos de personajes.

Obtener clave API

Documentación API

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

Salida de ejemplo

Estos son datos de muestra. Genere un nuevo resultado para ver el resultado real.

ID de tarea:example-gemini-3-8-flash-tts-defaultCreado:2026-10-14T11:11:41

Estado:finishedProgreso:100%

Examples

Detalles de precios

Precios transparentes sin tarifas ocultas. Pague solo por lo que use.

gemini-3.8-flash-tts

Text and style instructions

Precio de PoYo

$0.045

9 créditos

Precio oficial

Ahorras

Modelo	Especificación	Precio de PoYo	Precio oficial	Ahorras
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 créditos per 1000 characters	-	-

* Las tarifas reales se basan en el resultado final.

GEMINI 3.8 FLASH TTS

Usa instrucciones de estilo para controlar la emoción y la interpretación en narraciones y diálogos

API de Gemini 3.8 Flash TTS para conversión de texto a voz expresiva

Haz que la interpretación se adapte a tu guion, desde una narración cálida hasta un diálogo expresivo de personajes. Con Gemini 3.8 Flash TTS en PoYo, elige voces preestablecidas y usa lenguaje natural para guiar la emoción, el ritmo y la interpretación de cada turno, creando contenido de voz multilingüe más elaborado.

Obtener clave API

Funciones principales de la API Gemini 3.8 Flash TTS

Escribe las palabras, dirige la interpretación y escucha la diferencia. Los clips siguientes son demostraciones oficiales del modelo de Google, no ejemplos generados por PoYo.

Emoción natural más allá de una lectura plana

La misma respuesta del servicio puede sonar dubitativa, de disculpa o tranquilizadora. Gemini 3.8 Flash TTS controla la entrega mediante instrucciones en lenguaje natural y permite añadir eventos vocales momentáneos dentro de la transcripción. La demostración oficial pasa de una consulta dubitativa a una respuesta tranquilizadora, con pausas y suspiros que hacen que la voz se acerque más a una conversación cotidiana.

Mantén la emoción sostenida y el ritmo en style_instructions
Usa eventos integrados como <sigh> y <short pause>
Elige entre las 30 voces preestablecidas disponibles en PoYo

Dirige la interpretación línea por línea

Un único estilo de entrega rara vez se adapta a una escena completa. Mantén la transcripción separada de las indicaciones de interpretación y, después, establece style_instructions globales o por turno para guiar el énfasis, la urgencia y el ritmo. Este extracto oficial de guion demuestra cómo cambiar la entrega y las reacciones conversacionales puede generar tensión a través de líneas sucesivas.

Separa el texto hablado de las instrucciones de entrega
Establece un estilo compartido o dirige turnos individuales
Conserva las pausas y reacciones donde el guion las necesite

Dos voces distintas en una misma conversación

Crea un diálogo sin unir manualmente cada línea hablada. Configura exactamente dos hablantes en speakers con sus propias voces preestablecidas y, después, envía turnos ordenados que hagan referencia a sus valores speaker_id. El extracto oficial de lectura de guion en mesa muestra identidades vocales distintas, alternancia natural de turnos y breves respuestas del oyente en una conversación interpretada.

Configura dos voces en speakers
Organiza la conversación con turnos ordenados
Añade style_instructions opcionales a cada turno

¿Quién puede beneficiarse de la API Gemini 3.8 Flash TTS?

Productores de audiolibros

Da a la narración una dirección emocional clara y voces de personajes distintas. Gemini 3.8 Flash TTS permite a los equipos de audiolibros separar el texto hablado de las instrucciones de interpretación y luego reutilizar voces preestablecidas en todo su flujo de producción.

Equipos de podcasts

Convierte un guion de dos personas en una conversación con voces separadas y turnos ordenados. Dirige la forma de hablar de cada presentador con Gemini 3.8 Flash TTS mientras mantienes la estructura del diálogo explícita en la solicitud.

Escritores de diálogos para videojuegos

Explora interacciones de personajes, reacciones y ritmo de escenas con voces preestablecidas. Gemini 3.8 Flash TTS admite indicaciones globales y por turno para probar diálogos antes de que pasen al flujo de audio de un videojuego.

Equipos de educación y formación

Crea lecciones habladas, ejercicios de interpretación de roles y materiales de formación narrados. Usa Gemini 3.8 Flash TTS para guiar la claridad y el ritmo mientras adaptas material escrito para experiencias de escucha multilingües.

Creadores de vídeo y locuciones

Da a explicadores, vídeos de productos y guiones editoriales un tono adecuado. Gemini 3.8 Flash TTS mantiene las instrucciones de interpretación separadas de las palabras, lo que facilita la gestión de revisiones de locución.

Desarrolladores de aplicaciones de voz

Añade narración generada o conversaciones con guion a tu producto. Integra Gemini 3.8 Flash TTS mediante la interfaz de tareas asíncronas de PoYo y recupera el audio cuando cada generación finalice.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Elige el modelo para la carga de trabajo. Flash se centra en el rendimiento creativo; Flash-Lite se centra en una producción eficiente a gran escala. Las capacidades de la interfaz que se muestran a continuación reflejan el backend actual de PoYo, mientras que la posición del modelo y la cobertura de idiomas siguen la documentación de Google.

Capacidad	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Enfoque del modelo	Fidelidad de voz, matices de interpretación y expresión regional	Producción de voz eficiente y de alto volumen
Idiomas compatibles	130	101
Voces preestablecidas en PoYo	30	30
Entrada de un solo hablante y de dos hablantes	Compatible	Compatible
style_instructions globales y por turno	Compatible	Compatible
Integración con PoYo	Tareas asíncronas con callbacks opcionales	Tareas asíncronas con callbacks opcionales
Carga de trabajo habitual	Audiolibros, narración y diálogo expresivo	Funciones de lectura en voz alta y flujos de trabajo de voz masivos

Esto compara dos modelos diferentes. No implica ningún punto de referencia de latencia de PoYo. El diseño de voz, la replicación de voz y la biblioteca de voces ampliada de Google no están expuestos por ninguno de estos dos endpoints de PoYo.

Cómo usar la API Gemini 3.8 Flash TTS en PoYo

Paso 1: Regístrate y crea una clave API.
Inicia sesión en PoYo y crea una clave para tu aplicación.
Crear clave API →

Paso 2: Añade créditos.
Recarga tu saldo y consulta la tabla de precios del modelo. El texto de la transcripción y todas las style_instructions cuentan para el uso.
Añadir créditos →

Paso 3: Envía tu guion.
Envía model: gemini-3.8-flash-tts con texto de un solo hablante o con hablantes y turnos estructurados a POST /api/generate/submit. Consulta el task_id devuelto o proporciona callback_url para recibir actualizaciones de finalización.
Ver referencia de API →

Preguntas frecuentes sobre la API Gemini 3.8 Flash TTS

¿Qué es la API Gemini 3.8 Flash TTS?

Gemini 3.8 Flash TTS es el modelo creativo de texto a voz de Google para narración y diálogo expresivos. PoYo proporciona acceso API asíncrono mediante 30 voces preestablecidas, instrucciones de estilo separadas y conversaciones estructuradas con dos hablantes. Envía tu guion con el ID de modelo gemini-3.8-flash-tts y recupera el audio generado cuando la tarea finalice.

¿Cómo se calcula el uso en PoYo?

El uso es proporcional a los caracteres facturables, utilizando la tarifa de la tabla de precios anterior. Incluye el texto de la transcripción, las style_instructions globales y el texto y las style_instructions de cada turno. Los espacios, saltos de línea, emoji y etiquetas de eventos vocales cuentan; los ID de hablante no. Las solicitudes no se redondean a bloques de 1,000 caracteres.

¿Qué voces puedo usar?

El endpoint actual de PoYo admite 30 voces preestablecidas, incluidas Kore, Puck, Charon y Zephyr. Las solicitudes de un solo hablante usan Kore de forma predeterminada. Cada uno de los dos hablantes en el modo de diálogo selecciona uno de esos mismos ajustes preestablecidos. La creación de voces personalizadas, la replicación de voces y la biblioteca de voces ampliada no están disponibles a través de este endpoint.

¿Cómo creo una conversación con dos hablantes?

Proporciona exactamente dos hablantes, cada uno con un speaker_id único y una voz compatible. Después, proporciona al menos un elemento en turns con speaker_id y texto que no esté en blanco. Añade style_instructions por turno cuando sea necesario. Las solicitudes de diálogo omiten text y voice de nivel superior, porque esos pertenecen al modo de un solo hablante.

¿Dónde debo colocar las instrucciones de emoción e interpretación?

Mantén los requisitos de interpretación sostenida en global o en style_instructions por turno, mientras que text solo contiene el contenido que se va a pronunciar. Los eventos vocales momentáneos pueden añadirse en la transcripción mediante etiquetas como <laugh>, <sigh> o <short pause>, manteniendo claramente separadas las instrucciones de interpretación y el contenido hablado.

¿Cuántos idiomas son compatibles?

Google documenta 130 idiomas para Gemini 3.8 Flash TTS, en comparación con 101 para Flash-Lite TTS. El idioma se detecta a partir de la transcripción, por lo que el endpoint actual de PoYo no expone un selector language_code. Elige un ajuste preestablecido compatible y escribe el guion en el idioma que necesites.

¿Cómo recibo el audio generado?

El envío devuelve un task_id. Consulta el endpoint de estado existente hasta que la tarea esté finished o failed, o proporciona un callback_url opcional. Los archivos completados se devuelven en data.files. El Playground permite reproducir audio compatible y descargar el archivo original. Esta integración de PoYo usa tareas asíncronas en lugar de transmisión de audio.

¿Los clips de características se generan en PoYo?

No. Son fragmentos de las demostraciones oficiales de Gemini 3.8 Flash TTS de Google. Ilustran las capacidades correspondientes del modelo y sus fuentes están registradas en el manifiesto de recursos. Los ejemplos de salida generados por PoYo se añadirán después de una generación y verificación reales por separado.

Por qué usar PoYo para acceder a la API de Gemini 3.8 Flash TTS

Una API conocida

Usa la clave existente de PoYo y la interfaz de tareas de generación para integrar voz junto con otros modelos compatibles, con un sobre de solicitud y un flujo de trabajo de estado de tareas coherentes.

Uso que puedes inspeccionar

Consulta la tarifa basada en caracteres del modelo y estima el uso antes del envío. El texto de la transcripción y las indicaciones de estilo comparten un único cálculo documentado, sin redondeo en bloques de 1.000 caracteres.

Prueba antes de integrar

Explora guiones de un solo hablante y diálogos de dos hablantes en el Playground. Cambia entre formularios de entrada y JSON para inspeccionar la misma solicitud que usarás en tu aplicación.

Adapta tu flujo de trabajo de aplicación

Realiza un seguimiento de la generación con IDs de tarea y consultas de estado, o proporciona una URL de callback. Recupera archivos de audio completados cuando estén listos y mantén la generación separada de la gestión de solicitudes de tu aplicación.