gemini-3.8-flash-tts

Text to Speech

O Gemini 3.8 Flash TTS combina direção em linguagem natural com voz expressiva, permitindo-te moldar a emoção, o ritmo e a locução de cada turno. No PoYo, escolhes entre 30 vozes predefinidas e crias narração ou conversas entre duas vozes em 130 idiomas, dando mais amplitude vocal a histórias em áudio, aulas e diálogos de personagens.

Obter chave de API

Documentação da 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

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

Resultado de exemplo

Estes são dados de exemplo. Gera um novo resultado para veres o resultado real.

ID da tarefa:example-gemini-3-8-flash-tts-defaultCriada:2026-10-14T11:11:41

Estado:finishedProgresso:100%

Examples

Detalhes dos preços

Paga conforme utilizas. Sem subscrição, sem custos escondidos.

1 crédito = $0.005

Nível	Preço PoYo
Texto + instruções de estilo	$0.045/1K carateres 9 créditos/1K carateres 10,000 carateres: $0.450

Como é faturado: Faturado por cada 1000 carateres de texto de entrada.

Os custos baseiam-se no resultado final.

GEMINI 3.8 FLASH TTS

Usa instruções de estilo para controlar a emoção e a locução em narração e diálogo

API Gemini 3.8 Flash TTS para texto para voz expressivo

Faz com que a locução se ajuste ao teu guião, desde uma narração calorosa até ao diálogo expressivo de personagens. Com o Gemini 3.8 Flash TTS no PoYo, escolhes vozes predefinidas e usas linguagem natural para orientar a emoção, o ritmo e a locução de cada turno, criando conteúdo de voz multilingue com mais camadas.

Obter chave de API

Principais funcionalidades da API Gemini 3.8 Flash TTS

Escreve as palavras, dirige a locução e ouve a diferença. Os clipes abaixo são demonstrações oficiais do modelo da Google, não exemplos gerados no PoYo.

Emoção natural, muito além de uma leitura monótona

A mesma resposta de apoio ao cliente pode soar hesitante, apologética ou tranquilizadora. O Gemini 3.8 Flash TTS controla a locução através de instruções em linguagem natural e permite acrescentar eventos vocais pontuais dentro da transcrição. A demonstração oficial passa de uma pergunta hesitante a uma resposta tranquilizadora, com pausas e suspiros que aproximam a voz da conversa do dia a dia.

Mantém a emoção e o ritmo sustentados em style_instructions
Usa eventos em linha como <sigh> e <short pause>
Escolhe entre as 30 vozes predefinidas disponíveis no PoYo

Dirige a interpretação fala a fala

Um único estilo de locução raramente serve uma cena inteira. Mantém a transcrição separada das indicações de interpretação e define style_instructions globais ou por turno para orientar a ênfase, a urgência e o ritmo. Este excerto oficial de argumento demonstra como a mudança de locução e as reações da conversa podem criar tensão ao longo de falas sucessivas.

Separa o texto falado das instruções de locução
Define um estilo partilhado ou dirige turnos individuais
Preserva pausas e reações onde o guião precisar delas

Duas vozes distintas na mesma conversa

Cria um diálogo sem teres de juntar manualmente cada fala. Configura exatamente dois interlocutores em speakers, cada um com a sua voz predefinida, e submete turnos ordenados que remetem para os respetivos valores de speaker_id. O excerto oficial de leitura de argumento ilustra identidades vocais distintas, alternância natural de falas e pequenas reações de quem ouve, numa conversa interpretada.

Configura duas vozes em speakers
Organiza a conversa com turnos ordenados
Adiciona style_instructions opcionais a cada turno

Quem pode beneficiar da API Gemini 3.8 Flash TTS?

Produtores de audiolivros

Dá à narração uma direção emocional clara e vozes de personagens distintas. O Gemini 3.8 Flash TTS permite às equipas de audiolivros separar o texto falado das instruções de interpretação e depois reutilizar as vozes predefinidas ao longo do workflow de produção.

Equipas de podcasts

Transforma um guião a duas pessoas numa conversa com vozes separadas e turnos ordenados. Dirige a locução de cada anfitrião com o Gemini 3.8 Flash TTS, mantendo a estrutura do diálogo explícita no pedido.

Argumentistas de diálogos de jogos

Explora interações entre personagens, reações e o ritmo das cenas com vozes predefinidas. O Gemini 3.8 Flash TTS suporta direção global e por turno para testares o diálogo antes de ele passar para o pipeline de áudio do jogo.

Equipas de educação e formação

Cria aulas faladas, exercícios de simulação de papéis e materiais de formação narrados. Usa o Gemini 3.8 Flash TTS para orientar a clareza e o ritmo, adaptando o material escrito a experiências de audição multilingues.

Criadores de vídeo e de locuções

Dá a vídeos explicativos, vídeos de produto e guiões editoriais um tom adequado. O Gemini 3.8 Flash TTS mantém as instruções de locução separadas das palavras, o que facilita a gestão das revisões de locução.

Programadores de aplicações de voz

Acrescenta ao teu produto narração gerada ou conversas com guião. Integra o Gemini 3.8 Flash TTS através da interface de tarefas assíncronas do PoYo e obtém o áudio quando cada geração terminar.

Gemini 3.8 Flash TTS vs Flash-Lite TTS

Escolhe o modelo certo para a tua carga de trabalho. O Flash centra-se na interpretação criativa; o Flash-Lite centra-se na produção eficiente em escala. As capacidades de interface abaixo refletem o backend atual do PoYo, enquanto o posicionamento dos modelos e a cobertura de idiomas seguem a documentação da Google.

Capacidade	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Foco do modelo	Fidelidade de voz, nuances de interpretação e expressão regional	Produção de voz eficiente e de grande volume
Idiomas suportados	130	101
Vozes predefinidas no PoYo	30	30
Entrada de uma voz e de duas vozes	Suportada	Suportada
style_instructions globais e por turno	Suportadas	Suportadas
Integração no PoYo	Tarefas assíncronas com callbacks opcionais	Tarefas assíncronas com callbacks opcionais
Carga de trabalho típica	Audiolivros, narração e diálogo expressivo	Funcionalidades de leitura em voz alta e workflows de voz em massa

Esta comparação refere-se a dois modelos diferentes. Não se sugere nenhum benchmark de latência do PoYo. O design de voz, a replicação de voz e a biblioteca de vozes alargada da Google não estão disponíveis em nenhum destes dois endpoints do PoYo.

Como utilizar a API Gemini 3.8 Flash TTS no PoYo

Passo 1: cria conta e uma chave de API.
Inicia sessão no PoYo e cria uma chave para a tua aplicação.
Criar chave de API →

Passo 2: adiciona créditos.
Recarrega o teu saldo e consulta a tabela de preços do modelo. O texto da transcrição e todas as style_instructions contam para a utilização.
Adicionar créditos →

Passo 3: submete o teu guião.
Envia model: gemini-3.8-flash-tts com texto de uma só voz ou com speakers e turns estruturados para POST /api/generate/submit. Consulta o task_id devolvido ou indica callback_url para receberes as atualizações de conclusão.
Ver referência da API →

Perguntas frequentes sobre a API Gemini 3.8 Flash TTS

O que é a API Gemini 3.8 Flash TTS?

O Gemini 3.8 Flash TTS é o modelo criativo de texto para voz da Google, pensado para narração e diálogo expressivos. O PoYo oferece acesso assíncrono à API com 30 vozes predefinidas, instruções de estilo separadas e conversas estruturadas entre duas vozes. Submete o teu guião com o ID de modelo gemini-3.8-flash-tts e obtém o áudio gerado quando a tarefa terminar.

Como é calculada a utilização no PoYo?

A utilização é proporcional aos carateres faturáveis, com a tarifa da tabela de preços acima. Inclui o texto da transcrição, as style_instructions globais e o texto e as style_instructions de cada turno. Os espaços, as quebras de linha, os emojis e as etiquetas de eventos vocais contam; os IDs de interlocutor não. Os pedidos não são arredondados para blocos de 1000 carateres.

Que vozes posso utilizar?

O endpoint atual do PoYo suporta 30 vozes predefinidas, incluindo Kore, Puck, Charon e Zephyr. Os pedidos de uma só voz usam a Kore por predefinição. Cada um dos dois interlocutores do modo de diálogo escolhe uma dessas mesmas vozes predefinidas. A criação de vozes personalizadas, a replicação de voz e a biblioteca de vozes alargada não estão disponíveis através deste endpoint.

Como crio uma conversa entre duas vozes?

Indica exatamente dois interlocutores, cada um com um speaker_id único e uma voz suportada. Depois, fornece pelo menos um item em turns com speaker_id e texto não vazio. Adiciona style_instructions por turno quando for preciso. Os pedidos de diálogo omitem o text e a voice de nível superior, porque esses pertencem ao modo de uma só voz.

Onde devo colocar as instruções de emoção e de interpretação?

Mantém os requisitos de locução sustentados nas style_instructions globais ou por turno, deixando em text apenas o conteúdo a ser falado. Os eventos vocais pontuais podem ser acrescentados à transcrição com etiquetas como <laugh>, <sigh> ou <short pause>, mantendo as instruções de locução e o conteúdo falado claramente separados.

Quantos idiomas são suportados?

A Google documenta 130 idiomas para o Gemini 3.8 Flash TTS, face a 101 para o Flash-Lite TTS. O idioma é detetado a partir da transcrição, pelo que o endpoint atual do PoYo não expõe um seletor language_code. Escolhe uma voz predefinida suportada e escreve o guião no idioma de que precisas.

Como recebo o áudio gerado?

A submissão devolve um task_id. Consulta o endpoint de estado existente até a tarefa ficar finished ou failed, ou indica um callback_url opcional. Os ficheiros concluídos são devolvidos em data.files. O Playground permite-te reproduzir o áudio suportado e transferir o ficheiro original. Esta integração do PoYo usa tarefas assíncronas em vez de streaming de áudio.

Os clipes das funcionalidades são gerados no PoYo?

Não. São excertos das demonstrações oficiais do Gemini 3.8 Flash TTS da Google. Ilustram as capacidades correspondentes do modelo e as respetivas fontes estão registadas no manifesto de assets. Os exemplos de saída gerados no PoYo serão adicionados depois de uma geração real e uma verificação separadas.

Porquê utilizar o PoYo para aceder à API Gemini 3.8 Flash TTS

Uma única API familiar

Utiliza a chave e a interface de tarefas de geração que o PoYo já tem para integrares voz a par de outros modelos suportados, com um envelope de pedido e um workflow de estado de tarefas consistentes.

Utilização que podes consultar

Vê a tarifa por carateres do modelo e estima a utilização antes de submeteres. O texto da transcrição e as indicações de estilo partilham um único cálculo documentado, sem arredondamento a blocos de 1000 carateres.

Testa antes de integrares

Explora guiões de uma só voz e diálogos entre duas vozes no Playground. Alterna entre os campos do formulário e o JSON para inspecionares o mesmo pedido que vais usar na tua aplicação.

Adapta-se ao workflow da tua aplicação

Acompanha a geração com IDs de tarefa e consultas de estado, ou indica um URL de callback. Obtém os ficheiros de áudio concluídos quando estiverem prontos e mantém a geração separada do tratamento de pedidos da tua aplicação.