gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS kombinerer regi på naturlig språk med uttrykksfull tale, slik at du kan forme følelser, tempo og framføringen av hver replikk. Hos PoYo velger du blant 30 forhåndsinnstilte stemmer og lager fortellerstemme eller samtaler med to talere på 130 språk, noe som gir mer stemmespenn til lydhistorier, leksjoner og karakterdialog.

Hent API-nøkkel

API-dokumentasjon

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

Eksempelresultat

Dette er eksempeldata. Generer et nytt resultat for å se ekte utdata.

Oppgave-ID:example-gemini-3-8-flash-tts-defaultOpprettet:2026-10-14T11:11:41

Status:finishedFremdrift:100%

Examples

Prisdetaljer

Betal etter bruk. Ingen abonnement, ingen skjulte gebyrer.

1 kreditt = $0.005

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

Slik faktureres det: Faktureres per 1 000 tegn inndatatekst.

Belastningen er basert på det endelige resultatet.

GEMINI 3.8 FLASH TTS

Bruk stilinstruksjoner til å styre følelser og framføring i fortelling og dialog

Gemini 3.8 Flash TTS-API for uttrykksfull tekst til tale

La framføringen passe til manuset, fra varm fortellerstemme til uttrykksfull karakterdialog. Med Gemini 3.8 Flash TTS hos PoYo velger du forhåndsinnstilte stemmer og bruker naturlig språk til å styre følelser, tempo og framføring per replikk, slik at du lager mer nyansert flerspråklig stemmeinnhold.

Hent API-nøkkel

Hovedfunksjoner i Gemini 3.8 Flash TTS-API-et

Skriv ordene, regisser framføringen og hør forskjellen. Klippene nedenfor er Googles offisielle modelldemonstrasjoner, ikke eksempler generert hos PoYo.

Naturlige følelser i stedet for en flat opplesning

Det samme svaret fra kundeservice kan høres nølende, unnskyldende eller beroligende ut. Gemini 3.8 Flash TTS styrer framføringen gjennom instruksjoner på naturlig språk og lar deg legge til kortvarige stemmehendelser i transkripsjonen. Den offisielle demonstrasjonen går fra en nølende henvendelse til et beroligende svar, der pauser og sukk gjør stemmen mer lik en samtale i hverdagen.

Legg vedvarende følelser og tempo i style_instructions
Bruk innebygde hendelser som <sigh> og <short pause>
Velg blant de 30 forhåndsinnstilte stemmene som er tilgjengelige hos PoYo

Regisser framføringen replikk for replikk

Én framføringsstil passer sjelden til en hel scene. Hold transkripsjonen atskilt fra sceneanvisningene, og angi deretter globale style_instructions eller style_instructions per replikk for å styre trykk, intensitet og tempo. Dette offisielle utdraget fra et manus viser hvordan endret framføring og reaksjoner i samtalen kan bygge opp spenning gjennom påfølgende replikker.

Skill talt tekst fra instruksjoner om framføring
Angi en felles stil eller regisser enkeltreplikker
Behold pauser og reaksjoner der manuset trenger dem

To tydelige stemmer i én samtale

Bygg en dialog uten å sette sammen hver replikk manuelt. Konfigurer nøyaktig to talere i speakers med hver sin forhåndsinnstilte stemme, og send deretter inn ordnede replikker som viser til speaker_id-verdiene deres. Det offisielle utdraget fra en opplesning viser tydelige stemmeidentiteter, naturlig turtaking og korte responser fra lytteren i en framført samtale.

Konfigurer to stemmer i speakers
Bygg opp samtalen med ordnede replikker
Legg til valgfrie style_instructions for hver replikk

Hvem kan ha nytte av Gemini 3.8 Flash TTS-API-et?

Lydbokprodusenter

Gi fortellerstemmen en tydelig følelsesmessig retning og karakterene særpregede stemmer. Med Gemini 3.8 Flash TTS kan lydbokteam skille talt tekst fra instruksjoner om framføring, og deretter gjenbruke forhåndsinnstilte stemmer gjennom hele produksjonsflyten.

Podkastteam

Gjør et manus for to personer om til en samtale med separate stemmer og ordnede replikker. Regisser framføringen til hver programleder med Gemini 3.8 Flash TTS, samtidig som dialogstrukturen holdes eksplisitt i forespørselen.

Dialogforfattere for spill

Utforsk karaktersamspill, reaksjoner og tempo i scener med forhåndsinnstilte stemmer. Gemini 3.8 Flash TTS støtter global regi og regi per replikk for å teste dialog før den går videre inn i lydflyten til spillet.

Utdannings- og opplæringsteam

Lag talte leksjoner, rollespilløvelser og opplæringsmateriell med fortellerstemme. Bruk Gemini 3.8 Flash TTS til å styre tydelighet og tempo mens skriftlig materiale tilpasses flerspråklige lytteopplevelser.

Skapere av video og voiceover

Gi forklaringsvideoer, produktvideoer og redaksjonelle manus en passende tone. Gemini 3.8 Flash TTS holder instruksjonene om framføring atskilt fra ordene, noe som gjør revisjoner av voiceover enklere å håndtere.

Utviklere av taleapplikasjoner

Legg til generert fortellerstemme eller manusbaserte samtaler i produktet ditt. Integrer Gemini 3.8 Flash TTS via PoYos asynkrone oppgavegrensesnitt og hent lyden når hver generering er ferdig.

Gemini 3.8 Flash TTS vs. Flash-Lite TTS

Velg modellen etter arbeidsmengden. Flash fokuserer på kreativ framføring; Flash-Lite fokuserer på effektiv produksjon i stor skala. Grensesnittegenskapene nedenfor gjenspeiler PoYos nåværende backend, mens modellposisjonering og språkdekning følger Googles dokumentasjon.

Egenskap	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Modellens fokus	Stemmekvalitet, nyanser i skuespillet og regionale uttrykk	Effektiv taleproduksjon i stort volum
Støttede språk	130	101
Forhåndsinnstilte stemmer hos PoYo	30	30
Inndata med én og to talere	Støttes	Støttes
Globale style_instructions og per replikk	Støttes	Støttes
Integrasjon hos PoYo	Asynkrone oppgaver med valgfrie callbacks	Asynkrone oppgaver med valgfrie callbacks
Typisk arbeidsmengde	Lydbøker, fortellerstemme og uttrykksfull dialog	Opplesningsfunksjoner og taleflyter i stort volum

Dette sammenligner to ulike modeller. Det er ikke ment som en referansemåling av ventetid hos PoYo. Googles stemmedesign, stemmegjenskaping og utvidede stemmebibliotek er ikke tilgjengelig via noen av disse endepunktene hos PoYo.

Slik bruker du Gemini 3.8 Flash TTS-API-et hos PoYo

Trinn 1: Registrer deg og opprett en API-nøkkel.
Logg inn hos PoYo og opprett en nøkkel for applikasjonen din.
Opprett API-nøkkel →

Trinn 2: Legg til kreditter.
Fyll på saldoen og sjekk pristabellen for modellen. Transkripsjonstekst og alle style_instructions teller med i forbruket.
Legg til kreditter →

Trinn 3: Send inn manuset ditt.
Send model: gemini-3.8-flash-tts med tekst for én taler eller strukturerte speakers og turns til POST /api/generate/submit. Spør etter den returnerte task_id eller oppgi callback_url for å motta oppdateringer om fullføring.
Se API-referansen →

Vanlige spørsmål om Gemini 3.8 Flash TTS-API-et

Hva er Gemini 3.8 Flash TTS-API-et?

Gemini 3.8 Flash TTS er Googles kreative modell for tekst til tale, laget for uttrykksfull fortelling og dialog. PoYo gir asynkron API-tilgang med 30 forhåndsinnstilte stemmer, separate stilinstruksjoner og strukturerte samtaler med to talere. Send inn manuset ditt med modell-ID-en gemini-3.8-flash-tts og hent den genererte lyden når oppgaven er ferdig.

Hvordan beregnes forbruket hos PoYo?

Forbruket er proporsjonalt med fakturerbare tegn, etter satsen i pristabellen ovenfor. Det omfatter transkripsjonstekst, globale style_instructions og teksten og style_instructions i hver replikk. Mellomrom, linjeskift, emoji og tagger for stemmehendelser teller; taler-ID-er gjør det ikke. Forespørsler rundes ikke opp til blokker på 1000 tegn.

Hvilke stemmer kan jeg bruke?

Det nåværende endepunktet hos PoYo støtter 30 forhåndsinnstilte stemmer, blant annet Kore, Puck, Charon og Zephyr. Forespørsler med én taler bruker Kore som standard. Hver av de to talerne i dialogmodus velger én av de samme forhåndsinnstillingene. Oppretting av egne stemmer, stemmegjenskaping og det utvidede stemmebiblioteket er ikke tilgjengelig via dette endepunktet.

Hvordan lager jeg en samtale med to talere?

Oppgi nøyaktig to speakers, hver med en unik speaker_id og en støttet stemme. Oppgi deretter minst ett element i turns med speaker_id og tekst som ikke er tom. Legg til style_instructions per replikk ved behov. Dialogforespørsler utelater text og voice på toppnivå, fordi de hører til modusen med én taler.

Hvor skal jeg legge instruksjoner om følelser og skuespill?

Legg vedvarende krav til framføringen i globale style_instructions eller style_instructions per replikk, mens text bare inneholder innholdet som skal sies. Kortvarige stemmehendelser kan legges til i transkripsjonen med tagger som <laugh>, <sigh> eller <short pause>, slik at instruksjoner om framføring og talt innhold holdes tydelig atskilt.

Hvor mange språk støttes?

Google dokumenterer 130 språk for Gemini 3.8 Flash TTS, mot 101 for Flash-Lite TTS. Språket gjenkjennes fra transkripsjonen, så det nåværende endepunktet hos PoYo har ingen language_code-velger. Velg en støttet forhåndsinnstilling og skriv manuset på språket du trenger.

Hvordan mottar jeg den genererte lyden?

Innsendingen returnerer en task_id. Spør det eksisterende statusendepunktet til oppgaven er ferdig eller mislykket, eller oppgi en valgfri callback_url. Ferdige filer returneres i data.files. I Playground kan du spille av støttet lyd og laste ned originalfilen. Denne integrasjonen hos PoYo bruker asynkrone oppgaver i stedet for lydstrømming.

Er funksjonsklippene generert hos PoYo?

Nei. De er utdrag fra Googles offisielle demonstrasjoner av Gemini 3.8 Flash TTS. De illustrerer de tilsvarende modellegenskapene, og kildene er registrert i ressursmanifestet. Eksempler generert hos PoYo legges til etter egen faktisk generering og verifisering.

Derfor bør du bruke PoYo for tilgang til Gemini 3.8 Flash TTS-API-et

Ett kjent API

Bruk PoYos eksisterende nøkkel og grensesnitt for genereringsoppgaver til å integrere tale sammen med andre støttede modeller, med en konsekvent forespørselsstruktur og flyt for oppgavestatus.

Forbruk du kan kontrollere

Se modellens tegnbaserte sats og estimer forbruket før innsending. Transkripsjonstekst og stilinstruksjoner deler én dokumentert beregning, uten avrunding til blokker på 1000 tegn.

Test før du integrerer

Utforsk manus med én taler og dialog med to talere i Playground. Bytt mellom skjemafelt og JSON for å undersøke den samme forespørselen du skal bruke i applikasjonen din.

Tilpasset applikasjonsflyten din

Spor genereringen med oppgave-ID-er og statusspørringer, eller oppgi en callback-URL. Hent ferdige lydfiler når de er klare, og hold genereringen atskilt fra forespørselshåndteringen i applikasjonen.