gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS combina indicazioni in linguaggio naturale con un parlato espressivo, permettendoti di modellare emozione, ritmo e resa di ogni turno. Su PoYo, scegli tra 30 voci preimpostate e crea narrazioni o conversazioni a due interlocutori in 130 lingue, offrendo una maggiore varietà vocale a storie audio, lezioni e dialoghi tra personaggi.

Ottieni la chiave API

Documento 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

Esempio di output

Questi sono dati di esempio. Genera un nuovo risultato per vedere l'output reale.

ID attività:example-gemini-3-8-flash-tts-defaultCreato:2026-10-14T11:11:41

Stato:finishedProgressi:100%

Examples

Dettagli sui prezzi

Prezzi trasparenti senza costi nascosti. Paga mentre procedi.

gemini-3.8-flash-tts

Text and style instructions

Prezzo PoYo

$0.045

9 crediti

Prezzo ufficiale

Risparmi

Model	Spec	Prezzo PoYo	Prezzo ufficiale	Risparmi
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 crediti per 1000 characters	-	-

*Le tariffe effettive si basano sul risultato finale.

GEMINI 3.8 FLASH TTS

Usa istruzioni di stile per controllare emozione e resa di narrazioni e dialoghi

API Gemini 3.8 Flash TTS per sintesi vocale da testo espressiva

Adatta la resa al tuo copione, dalla narrazione calda al dialogo espressivo tra personaggi. Con Gemini 3.8 Flash TTS su PoYo, scegli voci preimpostate e usa il linguaggio naturale per guidare emozione, ritmo e resa per ogni turno, creando contenuti vocali multilingue più stratificati.

Ottieni chiave API

Funzioni principali dell’API Gemini 3.8 Flash TTS

Scrivi le parole, guida la resa e ascolta la differenza. Le clip qui sotto sono dimostrazioni ufficiali del modello Google, non esempi generati da PoYo.

Emozione naturale oltre una lettura piatta

La stessa risposta del servizio può sembrare esitante, apologetica o rassicurante. Gemini 3.8 Flash TTS controlla la resa tramite istruzioni in linguaggio naturale e consente di aggiungere eventi vocali momentanei all’interno della trascrizione. La dimostrazione ufficiale mostra il passaggio da una richiesta esitante a una risposta rassicurante, con pause e sospiri che rendono la voce più simile a una conversazione quotidiana.

Mantieni emozione e ritmo costanti in style_instructions
Usa eventi inline come <sigh> e <short pause>
Scegli tra le 30 voci preimpostate disponibili su PoYo

Dirigi la performance linea per linea

Uno stile di interpretazione raramente si adatta a un’intera scena. Mantieni il testo della trascrizione separato dalle indicazioni di recitazione, quindi imposta style_instructions globali o per singolo turno per guidare enfasi, urgenza e ritmo. Questo estratto ufficiale di sceneggiatura dimostra come modificare la resa e le reazioni conversazionali possa creare tensione tra linee successive.

Separa il testo parlato dalle istruzioni di resa
Imposta uno stile condiviso o dirigi singoli turni
Preserva pause e reazioni dove la sceneggiatura ne ha bisogno

Due voci distinte in un’unica conversazione

Crea un dialogo senza unire manualmente ogni battuta parlata. Configura esattamente due speaker in speakers con le proprie voci preimpostate, quindi invia turni ordinati che fanno riferimento ai loro valori speaker_id. L’estratto ufficiale di lettura a tavolino illustra identità vocali distinte, alternanza naturale dei turni e brevi risposte dell’ascoltatore in una conversazione interpretata.

Configura due voci in speakers
Organizza la conversazione con turni ordinati
Aggiungi style_instructions opzionali a ogni turno

Chi può beneficiare dell’API Gemini 3.8 Flash TTS?

Produttori di audiolibri

Dai alla narrazione una direzione emotiva chiara e voci dei personaggi distintive. Gemini 3.8 Flash TTS consente ai team di audiolibri di separare il testo pronunciato dalle istruzioni di interpretazione, quindi riutilizzare voci preimpostate durante il loro flusso di produzione.

Team di podcast

Trasforma uno script a due persone in una conversazione con voci separate e turni ordinati. Indica la modalità di esecuzione di ciascun conduttore con Gemini 3.8 Flash TTS mantenendo esplicita la struttura del dialogo nella richiesta.

Autori di dialoghi per videogiochi

Esplora interazioni tra personaggi, reazioni e ritmo delle scene con voci preimpostate. Gemini 3.8 Flash TTS supporta indicazioni globali e per turno per testare i dialoghi prima che entrino nella pipeline audio di un gioco.

Team per istruzione e formazione

Crea lezioni parlate, esercizi di gioco di ruolo e materiali formativi narrati. Usa Gemini 3.8 Flash TTS per guidare chiarezza e ritmo adattando il materiale scritto a esperienze di ascolto multilingue.

Creatori di video e voiceover

Dai a spiegazioni, video di prodotto e script editoriali un tono appropriato. Gemini 3.8 Flash TTS mantiene separate le istruzioni di interpretazione dalle parole, rendendo più semplici da gestire le revisioni del voiceover.

Sviluppatori di applicazioni vocali

Aggiungi narrazioni generate o conversazioni con script al tuo prodotto. Integra Gemini 3.8 Flash TTS tramite l’interfaccia per attività asincrone di PoYo e recupera l’audio quando ogni generazione termina.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Scegli il modello per il carico di lavoro. Flash si concentra sulle prestazioni creative; Flash-Lite si concentra sulla produzione efficiente su larga scala. Le funzionalità dell'interfaccia riportate di seguito riflettono il backend attuale di PoYo, mentre il posizionamento dei modelli e la copertura linguistica seguono la documentazione di Google.

Funzionalità	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Focus del modello	Fedeltà della voce, sfumature interpretative ed espressione regionale	Produzione vocale efficiente ad alto volume
Lingue supportate	130	101
Voci preimpostate su PoYo	30	30
Input con singolo interlocutore e due interlocutori	Supportato	Supportato
style_instructions globali e per turno	Supportato	Supportato
Integrazione PoYo	Attività asincrone con callback opzionali	Attività asincrone con callback opzionali
Carico di lavoro tipico	Audiolibri, narrazione e dialoghi espressivi	Funzioni di lettura ad alta voce e flussi di lavoro vocali in blocco

Questo confronta due modelli diversi. Non implica alcun benchmark di latenza di PoYo. La progettazione vocale, la replica vocale e la libreria vocale estesa di Google non sono esposte da nessuno di questi due endpoint PoYo.

Come utilizzare l'API Gemini 3.8 Flash TTS su PoYo

Passaggio 1: Registrati e crea una chiave API.
Accedi a PoYo e crea una chiave per la tua applicazione.
Crea chiave API →

Passaggio 2: Aggiungi crediti.
Ricarica il tuo saldo e consulta la tabella dei prezzi del modello. Il testo della trascrizione e tutte le style_instructions vengono conteggiati nell'utilizzo.
Aggiungi crediti →

Passaggio 3: Invia il tuo script.
Invia model: gemini-3.8-flash-tts con testo per singolo speaker o speaker e turni strutturati a POST /api/generate/submit. Esegui il polling del task_id restituito oppure fornisci callback_url per ricevere gli aggiornamenti sul completamento.
Visualizza riferimento API →

Domande frequenti sull'API Gemini 3.8 Flash TTS

Che cos'è l'API Gemini 3.8 Flash TTS?

Gemini 3.8 Flash TTS è il modello creativo di sintesi vocale da testo a voce di Google per narrazioni e dialoghi espressivi. PoYo fornisce accesso API asincrono utilizzando 30 voci preimpostate, istruzioni di stile separate e conversazioni strutturate a due speaker. Invia il tuo script con l'ID modello gemini-3.8-flash-tts e recupera l'audio generato quando l'attività termina.

Come viene calcolato l'utilizzo su PoYo?

L'utilizzo è proporzionale ai caratteri fatturabili, utilizzando la tariffa indicata nella tabella dei prezzi sopra. Include il testo della trascrizione, le style_instructions globali e il testo e le style_instructions di ogni turno. Spazi, nuove righe, emoji e tag di eventi vocali vengono conteggiati; gli ID degli speaker no. Le richieste non vengono arrotondate a blocchi di 1.000 caratteri.

Quali voci posso usare?

L’endpoint PoYo attuale supporta 30 voci preimpostate, tra cui Kore, Puck, Charon e Zephyr. Le richieste con un singolo interlocutore utilizzano Kore come valore predefinito. Ciascuno dei due interlocutori nella modalità dialogo seleziona una delle stesse voci preimpostate. La creazione di voci personalizzate, la replica della voce e la libreria vocale estesa non sono disponibili tramite questo endpoint.

Come creo una conversazione a due interlocutori?

Fornisci esattamente due interlocutori, ciascuno con un speaker_id univoco e una voce supportata. Quindi fornisci almeno un elemento in turns con speaker_id e testo non vuoto. Aggiungi style_instructions per ogni turno quando necessario. Le richieste di dialogo omettono text e voice a livello superiore, perché appartengono alla modalità con un singolo interlocutore.

Dove devo inserire le istruzioni su emozione e interpretazione?

Mantieni i requisiti di interpretazione prolungata in style_instructions globali o per turno, mentre text contiene solo il contenuto da pronunciare. Gli eventi vocali momentanei possono essere aggiunti nella trascrizione utilizzando tag come <laugh>, <sigh> o <short pause>, mantenendo chiaramente separate le istruzioni di interpretazione e il contenuto parlato.

Quante lingue sono supportate?

Google documenta 130 lingue per Gemini 3.8 Flash TTS, rispetto alle 101 di Flash-Lite TTS. La lingua viene rilevata dalla trascrizione, quindi l’endpoint PoYo attuale non espone un selettore language_code. Scegli una voce preimpostata supportata e scrivi lo script nella lingua necessaria.

Come ricevo l’audio generato?

L’invio restituisce un task_id. Interroga l’endpoint di stato esistente finché l’attività non è finished o failed, oppure fornisci un callback_url opzionale. I file completati vengono restituiti in data.files. Il Playground consente di riprodurre l’audio supportato e scaricare il file originale. Questa integrazione PoYo utilizza attività asincrone invece dello streaming audio.

Le clip delle funzionalità sono generate su PoYo?

No. Sono estratti dalle dimostrazioni ufficiali di Gemini 3.8 Flash TTS di Google. Illustrano le funzionalità corrispondenti del modello e le loro origini sono registrate nel manifest degli asset. Gli output di esempio generati da PoYo verranno aggiunti dopo una generazione reale separata e una verifica.

Perché utilizzare PoYo per l’accesso all’API Gemini 3.8 Flash TTS

Un’unica API familiare

Utilizza la chiave esistente di PoYo e l’interfaccia delle attività di generazione per integrare la sintesi vocale insieme ad altri modelli supportati, con un envelope di richiesta coerente e un flusso di lavoro uniforme per lo stato delle attività.

Utilizzo che puoi ispezionare

Visualizza la tariffa del modello basata sui caratteri e stima l’utilizzo prima dell’invio. Il testo della trascrizione e le indicazioni di stile condividono un unico calcolo documentato, senza arrotondamento a blocchi di 1.000 caratteri.

Testa prima dell’integrazione

Esplora script con un singolo interlocutore e dialoghi a due interlocutori nel Playground. Passa dai campi del modulo al formato JSON per ispezionare la stessa richiesta che utilizzerai nella tua applicazione.

Adatta il flusso di lavoro della tua applicazione

Tieni traccia della generazione con ID attività e verifica dello stato tramite polling, oppure fornisci un URL di callback. Recupera i file audio completati quando sono pronti e mantieni la generazione separata dalla gestione delle richieste della tua applicazione.