gemini-3.8-flash-lite-tts

Text to Speech

Gemini 3.8 Flash Lite TTS wprowadza wielojęzyczną mowę do rosnących bibliotek treści i aplikacji z obsługą głosu: obsługuje 101 języków, 30 gotowych głosów i dialog dwóch rozmówców. Na PoYo oddzielasz czytany tekst od instrukcji stylu, dzięki czemu tworzysz czytane artykuły, lekcje online i treści audio z odpowiednim tonem i jasno przypisanymi rozmówcami.

Pobierz klucz API

Dokumentacja API

Input

Text

Voice

Speakers

Turns

Style Instructions

Enable Safety Checker

Safety checks are always enabled in the playground and cannot be disabled.

Billing includes text and all style instructions.

326 characters

Output

Przykładowy wynik

To przykładowe dane. Wygeneruj nowy wynik, aby zobaczyć prawdziwy rezultat.

ID zadania:example-gemini-3-8-flash-lite-tts-defaultUtworzono:2026-10-14T11:13:12

Status:finishedPostęp:100%

Examples

Szczegóły cennika

Płatność za użycie. Bez subskrypcji i ukrytych opłat.

1 kredyt = $0.005

Poziom	Cena PoYo
Tekst + instrukcje stylu	$0.030/1 tys. znaków Kredyty: 6/1 tys. znaków Znaki (10,000): $0.300

Jak jest rozliczane: Rozliczane za każde 1000 znaków tekstu wejściowego.

Opłaty zależą od końcowego wyniku.

GEMINI 3.8 FLASH LITE TTS

Wielojęzyczna narracja i dialogi dla aplikacji głosowych

API Gemini 3.8 Flash Lite TTS: naturalna synteza mowy w dużej skali

Zadbaj, by artykuły, lekcje i rosnąca biblioteka treści były gotowe do słuchania. Z Gemini 3.8 Flash Lite TTS na PoYo wybierasz gotowe głosy i opisujesz styl wypowiedzi, aby tworzyć wielojęzyczną narrację i dialogi dwóch rozmówców dla aplikacji do czytania i platform z treściami.

Pobierz klucz API

Kluczowe funkcje API Gemini 3.8 Flash Lite TTS

Steruj sposobem czytania, układaj kwestie dwóch rozmówców i twórz wielojęzyczną narrację.

Naturalna mowa z instrukcjami stylu

Dobry lektor to nie tylko właściwe słowa, ale i właściwa interpretacja. Trzymaj transkrypt w polu text, a ton, tempo i ekspresję opisuj osobno w style_instructions. Gemini 3.8 Flash Lite TTS pozwala dopasować odczyt do przyjaznego wprowadzenia, spokojnego wyjaśnienia albo bardziej ekspresyjnej sceny, a wskazówki wykonawcze pozostają oddzielone od czytanego skryptu.

Opisuj ton i tempo w osobnych instrukcjach
Wybieraj spośród 30 obsługiwanych gotowych głosów
Oddziel czytane słowa od wskazówek dotyczących interpretacji

Ustrukturyzowany dialog z dwoma wyraźnie różnymi głosami

Nadaj segmentom podcastu lub pytaniom i odpowiedziom w materiałach edukacyjnych czytelną strukturę rozmówców. Skonfiguruj dwóch rozmówców w speakers, a potem w każdej kwestii w turns odwołuj się do odpowiedniego speaker_id. Opcjonalne style_instructions przypisane do kwestii pozwalają dopasować sposób wypowiedzenia każdej linijki, a przy poprawkach role rozmówców i kolejność dialogu pozostają czytelne.

Przypisz dwa identyfikatory rozmówców i gotowe głosy
Pisz dialog jako uporządkowane kwestie
Steruj każdą kwestią dzięki opcjonalnym instrukcjom stylu

Wielojęzyczna mowa z automatycznym wykrywaniem języka

Docieraj do słuchaczy w ich własnym języku, bez osobnego parametru języka w każdym żądaniu. Gemini 3.8 Flash Lite TTS obsługuje 101 języków i wykrywa język na podstawie tekstu. Wybierz obsługiwany gotowy głos i przygotuj zlokalizowane skrypty do lekcji, prezentacji produktu albo funkcji czytania na głos. Oficjalne nagranie po japońsku ilustruje wielojęzyczną mowę w serii Gemini 3.8.

Generuj mowę w 101 obsługiwanych językach
Wykrywaj język na podstawie przesłanego tekstu
Przygotuj zlokalizowaną narrację dla odbiorców na całym świecie

Dla kogo jest API Gemini 3.8 Flash Lite TTS?

Narracja i audiobooki

Wydawcy i zespoły tworzące treści audio mogą zamieniać fragmenty tekstu w narrację z Gemini 3.8 Flash Lite TTS. Wybierz gotowy głos, trzymaj instrukcje dotyczące interpretacji osobno od historii i poprawiaj pojedyncze fragmenty, gdy zmienia się skrypt. Ustrukturyzowany workflow zamiany tekstu na mowę ułatwia zarządzanie cyklicznymi narracjami i większymi zbiorami treści mówionych.

Lektorzy do wideo

Montażyści wideo mogą przygotować ścieżki mówione do filmów objaśniających, prezentacji produktów i treści do social mediów. Użyj Gemini 3.8 Flash Lite TTS, aby wygenerować lektora na podstawie zatwierdzonego skryptu, a potem pobierz gotowe audio do swojego workflow montażowego. Osobne instrukcje stylu pomagają dopasować sposób czytania do sceny lub odbiorców.

Edukacja i szkolenia

Platformy edukacyjne i zespoły szkoleniowe mogą tworzyć mówione wyjaśnienia, ćwiczenia z czytania i dwuosobowe demonstracje z Gemini 3.8 Flash Lite TTS. Ustaw wyraźny styl wypowiedzi dla narracji albo użyj ustrukturyzowanych kwestii do rozmowy nauczyciela z uczniem. Zlokalizowane skrypty pomagają dotrzeć z tą samą lekcją do uczących się w różnych językach.

Dialogi do podcastów

Producenci podcastów mogą inscenizować scenariuszowe segmenty prowadzącego i gościa dzięki dwóm gotowym głosom. Skonfiguruj obu rozmówców w Gemini 3.8 Flash Lite TTS, zapisz ich kwestie po kolei i dopasuj wskazówki dla poszczególnych linijek. Jawna struktura dialogu ułatwia poprawienie pytania lub odpowiedzi bez przepisywania całego transkryptu.

Funkcje czytania na głos

Aplikacje do czytania i zespoły zajmujące się dostępnością mogą oferować mówione wersje artykułów, instrukcji i codziennych treści. Gemini 3.8 Flash Lite TTS obsługuje wielojęzyczne workflow czytania na głos z wyborem głosów i osobnymi instrukcjami tempa. Aplikacje mogą wysyłać przygotowany tekst, śledzić zadanie i udostępniać gotowe audio słuchaczowi.

Mowa dla aplikacji głosowych

Programiści tworzący aplikacje głosowe mogą zamieniać przygotowane odpowiedzi tekstowe na mowę z Gemini 3.8 Flash Lite TTS. Używaj spójnego gotowego głosu i stylu wypowiedzi w aktualizacjach produktu, wskazówkach i odpowiedziach konwersacyjnych. Wpisz asynchroniczne zadanie w pipeline odpowiedzi swojej aplikacji i pobieraj audio po zakończeniu generowania.

Gemini 3.8 Flash Lite TTS vs Gemini 3.8 Flash TTS — porównanie modeli

Wybierz model Gemini 3.8 TTS, który pasuje do twojego zastosowania. Flash Lite stawia na wydajną produkcję mowy w dużej skali, a Flash — na ekspresyjne, kreatywne wykonanie. Oba modele udostępniają w PoYo te same podstawowe opcje sterowania mową.

Funkcja	Gemini 3.8 Flash Lite TTS	Gemini 3.8 Flash TTS
Główne zastosowanie	Produkcja mowy o dużej przepustowości i niskim koszcie	Ekspresyjna produkcja kreatywna i niuanse aktorskie
Obsługiwane języki	101 języków	130 języków
Gotowe głosy na PoYo	30 obsługiwanych głosów	30 obsługiwanych głosów
Dialog dwóch rozmówców	Dokładnie dwóch rozmówców z ustrukturyzowanymi kwestiami	Dokładnie dwóch rozmówców z ustrukturyzowanymi kwestiami
Sterowanie stylem na PoYo	Globalne i przypisane do kwestii style_instructions	Globalne i przypisane do kwestii style_instructions

Pozycjonowanie i zakres języków wynikają z dokumentacji modeli Google. Opcje wejściowe odpowiadają aktualnemu publicznemu backendowi PoYo. Oficjalne dema serii mają charakter poglądowy i nie mierzą opóźnień PoYo.

Jak korzystać z API Gemini 3.8 Flash Lite TTS na PoYo

Krok 1: zarejestruj się i utwórz klucz API
Zaloguj się do PoYo i utwórz klucz dla swojej aplikacji.
Utwórz klucz API →

Krok 2: doładuj kredyty
Doładuj konto, a potem sprawdź tabelę cen i wycenę z narzędzia Playground dla swojego skryptu i instrukcji stylu.
Doładuj kredyty →

Krok 3: wyślij żądanie i pobierz audio
Wyślij model: gemini-3.8-flash-lite-tts oraz dane wejściowe dla jednego lektora albo ustrukturyzowanego dialogu. Odpytuj zwrócone ID zadania lub podaj adres URL callbacku, a po zakończeniu zadania pobierz audio.
Zobacz dokumentację API →

Najczęstsze pytania o API Gemini 3.8 Flash Lite TTS

Czym jest API Gemini 3.8 Flash Lite TTS?

Gemini 3.8 Flash Lite TTS to model zamiany tekstu na mowę od Google, przeznaczony do wydajnej produkcji mowy w dużych ilościach. Generuje naturalne, wielojęzyczne audio z opcjami wyboru głosu i stylu. PoYo zapewnia asynchroniczny dostęp przez API z 30 gotowymi głosami, narracją z jednym lektorem i ustrukturyzowanym dialogiem dwóch rozmówców, a także narzędzie Playground do przygotowywania żądań i pobierania gotowego audio.

Jak rozliczane jest Gemini 3.8 Flash Lite TTS na PoYo?

Stawka to 6 kredytów, czyli $0.03, za 1000 znaków podlegających rozliczeniu. Rozliczenie obejmuje tekst dla jednego lektora lub teksty wszystkich kwestii oraz globalne instrukcje stylu i instrukcje stylu przypisane do kwestii. Identyfikatory rozmówców i nazwy głosów nie są wliczane. Spacje, znaki nowej linii i tagi głosowe w tekście się liczą. Opłata jest proporcjonalna do liczby znaków, a nie zaokrąglana w górę do pełnych bloków po 1000.

Jakie głosy mogę wybrać?

PoYo obsługuje 30 gotowych głosów Gemini, w tym Kore, Charon, Puck, Aoede i Zephyr. W żądaniach z jednym lektorem domyślnie używany jest głos Kore, gdy pominiesz voice. W dialogu przypisz obsługiwany głos każdemu z dwóch rozmówców. Nazwy głosów zapisuj bez zmian; własne ID głosów i tworzenie klonów głosu nie są dostępne w tej integracji.

Jakie języki są obsługiwane?

Gemini 3.8 Flash Lite TTS obsługuje 101 języków, w tym angielski, chiński, japoński, koreański, hiszpański i francuski. Język jest wykrywany na podstawie przesłanego tekstu, więc PoYo nie wymaga ani nie przyjmuje w tym modelu pola language_code. Przygotuj skrypt w wybranym języku i sprawdź w gotowym audio wymowę nazw lub specjalistycznych terminów.

Jak sterować tonem, tempem i ekspresją?

Umieść stałe wskazówki dotyczące sposobu czytania w style_instructions, osobno od transkryptu. Możesz na przykład poprosić o ciepłe, wyraźne wyjaśnienie albo wyważone tempo czytania. W dialogu możesz podać globalne wskazówki oraz opcjonalne instrukcje dla każdej kwestii. Tagi w nawiasach ostrych umieszczane w tekście, takie jak <short pause>, mogą opisywać chwilowe zdarzenia. Cały tekst i wszystkie instrukcje stylu wpływają na rozliczenie.

Jak działają żądania z dwoma rozmówcami?

Skonfiguruj speakers za pomocą dokładnie dwóch unikalnych, niepustych wartości speaker_id i obsługiwanych głosów. Dodaj jedną lub więcej kwestii (turns), z których każda zawiera pasujące speaker_id i niepusty tekst; style_instructions przypisane do kwestii są opcjonalne. W trybie dialogu pomiń główne pola text i voice. Identyfikatory rozmówców są dopasowywane dokładnie i mogą zawierać spacje; nie wlicza się ich do liczby znaków podlegających rozliczeniu.

Czy mogę wybrać format wyjściowy audio?

Obecny backend PoYo nie udostępnia w tym modelu parametru output_format. Pobierz plik audio zwrócony przez ukończone zadanie i zapisz go w oryginalnym formacie. Playground oferuje odtwarzanie w przeglądarce i pobieranie zwróconego audio. Nazwa pobieranego pliku wynika z typu MIME odpowiedzi lub adresu URL pliku — nie zakładamy, że każdy wynik to MP3.

Czy PoYo oferuje streaming dla tego modelu?

Ta integracja korzysta z asynchronicznego wysyłania zadań i zapytań o status. Wyślij żądanie raz, zapisz data.task_id i odpytuj istniejące zadanie, aż jego status zmieni się na finished lub failed; możesz też podać callback_url poza input. Tymczasowe błędy zapytań o status ponawiaj bez tworzenia kolejnego zadania. Endpointy streamingowe i fragmenty audio w czasie rzeczywistym nie są dostępne w tej integracji PoYo.

Dlaczego warto korzystać z API Gemini 3.8 Flash Lite TTS przez PoYo

Jednolity dostęp do API

Używaj istniejących endpointów PoYo do wysyłania zadań i sprawdzania statusu także dla Gemini 3.8 Flash Lite TTS. Uwierzytelnianie i obsługę zadań zachowasz w tej samej integracji, której używasz dla innych obsługiwanych modeli.

Rozliczenie według użycia

Przejrzyj wycenę opartą na znakach, zanim wyślesz żądanie. Playground wlicza do sumy transkrypt i instrukcje stylu, więc wiesz, jak rozliczane jest każde żądanie.

Playground do przygotowywania żądań

Skonfiguruj narrację lub dialog w formularzu albo edytuj całe żądanie jako JSON. Zweryfikuj te same obsługiwane pola, zanim podłączysz model do swojej aplikacji.

Asynchroniczne zarządzanie zadaniami

Śledź generowanie za pomocą ID zadania, ponawiaj tymczasowo nieudane zapytania o status i odbieraj gotowe audio. Podaj adres URL callbacku, gdy aplikacja potrzebuje powiadomienia o wyniku.