gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS associe des instructions en langage naturel à une parole expressive, vous permettant de façonner l’émotion, le rythme et la diffusion de chaque tour de parole. Sur PoYo, choisissez parmi 30 voix prédéfinies et créez des narrations ou des conversations à deux intervenants dans 130 langues, apportant davantage de variété vocale aux histoires audio, aux cours et aux dialogues de personnages.

Obtenir une clé API

Documentation 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

Exemple de sortie

Ceci est un exemple de données. Générez un nouveau résultat pour voir la sortie réelle.

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

Statut:finishedProgression:100%

Examples

Détails des prix

Tarification transparente, sans frais cachés. Payez à l'usage.

gemini-3.8-flash-tts

Text and style instructions

Prix PoYo

$0.045

9 crédits

Prix officiel

Économie

Modèle	Spécification	Prix PoYo	Prix officiel	Économie
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 crédits per 1000 characters	-	-

* Les frais réels sont basés sur la sortie finale.

GEMINI 3.8 FLASH TTS

Utilisez des instructions de style pour contrôler l’émotion et la diffusion de la narration et des dialogues

API Gemini 3.8 Flash TTS pour la synthèse vocale expressive

Adaptez la diffusion à votre script, d’une narration chaleureuse à un dialogue de personnages expressif. Avec Gemini 3.8 Flash TTS sur PoYo, choisissez des voix prédéfinies et utilisez le langage naturel pour guider l’émotion, le rythme et la diffusion par tour de parole, afin de créer un contenu vocal multilingue plus riche.

Obtenir une clé API

Fonctionnalités clés de l’API Gemini 3.8 Flash TTS

Écrivez les mots, dirigez la diffusion et entendez la différence. Les extraits ci-dessous sont des démonstrations officielles du modèle Google, et non des exemples générés par PoYo.

Une émotion naturelle au-delà d’une lecture monotone

Le même retour de service peut sembler hésitant, désolé ou rassurant. Gemini 3.8 Flash TTS contrôle la diffusion grâce à des instructions en langage naturel et permet d’ajouter des événements vocaux momentanés dans la transcription. La démonstration officielle passe d’une requête hésitante à une réponse rassurante, avec des pauses et des soupirs qui rendent la voix plus proche d’une conversation quotidienne.

Conserver l’émotion et le rythme soutenus dans style_instructions
Utiliser des événements intégrés tels que <sigh> et <short pause>
Choisir parmi les 30 voix prédéfinies disponibles sur PoYo

Diriger la performance ligne par ligne

Un seul style de diffusion convient rarement à toute une scène. Gardez la transcription séparée des indications de jeu, puis définissez des style_instructions globales ou par tour pour guider l’emphase, l’urgence et le rythme. Cet extrait officiel de scénario démontre comment la modification de la diffusion et des réactions conversationnelles peut créer de la tension entre des lignes successives.

Séparer le texte parlé des instructions de diffusion
Définir un style partagé ou diriger des tours individuels
Préserver les pauses et les réactions lorsque le script en a besoin

Deux voix distinctes dans une seule conversation

Créez un dialogue sans assembler manuellement chaque ligne parlée. Configurez exactement deux locuteurs dans speakers avec leurs propres voix prédéfinies, puis envoyez des tours ordonnés qui référencent leurs valeurs speaker_id. L’extrait officiel de lecture de table illustre des identités vocales distinctes, une alternance naturelle des tours et de courtes réponses d’écoute dans une conversation interprétée.

Configurer deux voix dans speakers
Organiser la conversation avec des tours ordonnés
Ajouter des style_instructions facultatives à chaque tour

À qui profite l’API Gemini 3.8 Flash TTS ?

Producteurs de livres audio

Donnez à la narration une direction émotionnelle claire et des voix de personnages distinctes. Gemini 3.8 Flash TTS permet aux équipes de livres audio de séparer le texte parlé des instructions d’interprétation, puis de réutiliser des voix prédéfinies tout au long de leur flux de production.

Équipes de podcasts

Transformez un script à deux personnes en conversation avec des voix distinctes et des tours ordonnés. Dirigez la prestation de chaque animateur avec Gemini 3.8 Flash TTS tout en gardant la structure du dialogue explicite dans la requête.

Auteurs de dialogues de jeux vidéo

Explorez les interactions entre personnages, les réactions et le rythme des scènes avec des voix prédéfinies. Gemini 3.8 Flash TTS prend en charge les directives globales et par tour pour tester les dialogues avant leur intégration dans le pipeline audio d’un jeu.

Équipes d’éducation et de formation

Créez des leçons parlées, des exercices de jeu de rôle et des supports de formation narrés. Utilisez Gemini 3.8 Flash TTS pour guider la clarté et le rythme tout en adaptant les contenus écrits aux expériences d’écoute multilingues.

Créateurs de vidéos et de voix off

Donnez aux vidéos explicatives, aux vidéos de produits et aux scripts éditoriaux un ton approprié. Gemini 3.8 Flash TTS maintient les instructions de prestation séparées des mots, ce qui facilite la gestion des révisions de voix off.

Développeurs d’applications vocales

Ajoutez une narration générée ou des conversations scénarisées à votre produit. Intégrez Gemini 3.8 Flash TTS via l’interface de tâches asynchrones de PoYo et récupérez l’audio lorsque chaque génération se termine.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Choisissez le modèle adapté à la charge de travail. Flash privilégie les performances créatives ; Flash-Lite se concentre sur une production efficace à grande échelle. Les fonctionnalités d’interface ci-dessous reflètent le backend actuel de PoYo, tandis que le positionnement des modèles et la couverture linguistique suivent la documentation de Google.

Fonctionnalité	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Orientation du modèle	Fidélité vocale, nuances d’interprétation et expression régionale	Production vocale efficace à haut volume
Langues prises en charge	130	101
Voix prédéfinies sur PoYo	30	30
Entrée à un seul locuteur et à deux locuteurs	Pris en charge	Pris en charge
style_instructions globales et par tour	Pris en charge	Pris en charge
Intégration PoYo	Tâches asynchrones avec rappels facultatifs	Tâches asynchrones avec rappels facultatifs
Charge de travail typique	Livres audio, narration et dialogues expressifs	Fonctionnalités de lecture à voix haute et flux de travail de synthèse vocale en masse

Cela compare deux modèles différents. Aucun benchmark de latence de PoYo n’est impliqué. La conception vocale de Google, la réplication vocale et la bibliothèque vocale étendue ne sont exposées par aucun de ces deux points de terminaison PoYo.

Comment utiliser l’API Gemini 3.8 Flash TTS sur PoYo

Étape 1 : Inscrivez-vous et créez une clé API.
Connectez-vous à PoYo et créez une clé pour votre application.
Créer une clé API →

Étape 2 : Ajoutez des crédits.
Rechargez votre solde et consultez le tableau des tarifs du modèle. Le texte de transcription et tous les style_instructions sont comptabilisés dans l’utilisation.
Ajouter des crédits →

Étape 3 : Envoyez votre script.
Envoyez model: gemini-3.8-flash-tts avec du texte pour un seul locuteur ou des locuteurs et tours structurés vers POST /api/generate/submit. Interrogez le task_id renvoyé ou fournissez callback_url pour recevoir les mises à jour de l’achèvement.
Voir la référence API →

Questions fréquemment posées sur l’API Gemini 3.8 Flash TTS

Qu’est-ce que l’API Gemini 3.8 Flash TTS ?

Gemini 3.8 Flash TTS est le modèle de synthèse vocale créative de Google pour la narration expressive et les dialogues. PoYo fournit un accès API asynchrone utilisant 30 voix prédéfinies, des instructions de style séparées et des conversations structurées à deux locuteurs. Envoyez votre script avec l’ID de modèle gemini-3.8-flash-tts et récupérez l’audio généré lorsque la tâche est terminée.

Comment l’utilisation est-elle calculée sur PoYo ?

L’utilisation est proportionnelle aux caractères facturables, selon le tarif indiqué dans le tableau des prix ci-dessus. Elle inclut le texte de transcription, les style_instructions globales et le texte ainsi que les style_instructions de chaque tour. Les espaces, les nouvelles lignes, les emoji et les balises d’événements vocaux sont comptabilisés ; les identifiants de locuteurs ne le sont pas. Les requêtes ne sont pas arrondies à des blocs de 1 000 caractères.

Quelles voix puis-je utiliser ?

Le point de terminaison PoYo actuel prend en charge 30 voix prédéfinies, notamment Kore, Puck, Charon et Zephyr. Les requêtes à un seul locuteur utilisent Kore par défaut. Chacun des deux locuteurs en mode dialogue sélectionne l’une de ces mêmes voix prédéfinies. La création de voix personnalisées, la réplication de voix et la bibliothèque de voix étendue ne sont pas disponibles via ce point de terminaison.

Comment créer une conversation à deux locuteurs ?

Fournissez exactement deux locuteurs, chacun avec un speaker_id unique et une voix prise en charge. Fournissez ensuite au moins un élément dans turns avec speaker_id et un texte non vide. Ajoutez des style_instructions par tour si nécessaire. Les requêtes de dialogue omettent text et voice au niveau supérieur, car ceux-ci appartiennent au mode à un seul locuteur.

Où dois-je placer les instructions d’émotion et d’interprétation ?

Conservez les exigences de rendu prolongé dans global ou dans les style_instructions par tour, tandis que le texte ne contient que le contenu à prononcer. Les événements vocaux momentanés peuvent être ajoutés dans la transcription à l’aide de balises telles que <laugh>, <sigh> ou <short pause>, en gardant les instructions de rendu et le contenu parlé clairement séparés.

Combien de langues sont prises en charge ?

Google documente 130 langues pour Gemini 3.8 Flash TTS, contre 101 pour Flash-Lite TTS. La langue est détectée à partir de la transcription, donc le point de terminaison PoYo actuel n’expose pas de sélecteur language_code. Choisissez une voix prédéfinie prise en charge et rédigez le script dans la langue dont vous avez besoin.

Comment recevoir l’audio généré ?

La soumission renvoie un task_id. Interrogez le point de terminaison de statut existant jusqu’à ce que la tâche soit finished ou failed, ou fournissez un callback_url facultatif. Les fichiers terminés sont renvoyés dans data.files. Le Playground permet de lire les fichiers audio pris en charge et de télécharger le fichier original. Cette intégration PoYo utilise des tâches asynchrones plutôt que la diffusion audio en continu.

Les extraits de fonctionnalités sont-ils générés sur PoYo ?

Non. Il s’agit d’extraits des démonstrations officielles Gemini 3.8 Flash TTS de Google. Ils illustrent les capacités correspondantes du modèle et leurs sources sont enregistrées dans le manifeste des ressources. Des exemples de sorties générées par PoYo seront ajoutés après une génération réelle distincte et une vérification.

Pourquoi utiliser PoYo pour accéder à l’API Gemini 3.8 Flash TTS

Une API familière

Utilisez la clé existante de PoYo et l’interface de tâches de génération pour intégrer la synthèse vocale aux côtés d’autres modèles pris en charge, avec une enveloppe de requête cohérente et un flux de travail uniforme pour le statut des tâches.

Utilisation que vous pouvez inspecter

Consultez le tarif du modèle basé sur le nombre de caractères et estimez l’utilisation avant la soumission. Le texte de transcription et les indications de style partagent un même calcul documenté, sans arrondi par blocs de 1 000 caractères.

Testez avant d’intégrer

Explorez des scripts à un seul locuteur et des dialogues à deux locuteurs dans le Playground. Passez des champs de formulaire au JSON pour inspecter la même requête que vous utiliserez dans votre application.

Adaptez-vous au flux de travail de votre application

Suivez la génération avec des identifiants de tâche et l’interrogation de statut, ou fournissez une URL de rappel. Récupérez les fichiers audio terminés lorsqu’ils sont prêts et gardez la génération séparée de la gestion des requêtes de votre application.