gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS объединяет управление с помощью естественного языка с выразительной речью, позволяя формировать эмоции, темп и подачу каждого хода. На PoYo выбирайте из 30 предустановленных голосов и создавайте повествование или диалоги двух дикторов на 130 языках, добавляя больше голосового разнообразия в аудиоистории, уроки и диалоги персонажей.

Получить API ключ

Документация 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

Пример вывода

Это пример данных. Создайте новый результат, чтобы увидеть реальный вывод.

ID задачи:example-gemini-3-8-flash-tts-defaultСоздано:2026-10-14T11:11:41

Статус:finishedПрогресс:100%

Examples

Детали цен

Прозрачные цены без скрытых платежей. Оплата по факту использования.

gemini-3.8-flash-tts

Text and style instructions

Цена PoYo

$0.045

9 кредитов

Официальная цена

Экономия

Модель	Спецификация	Цена PoYo	Официальная цена	Экономия
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 кредитов per 1000 characters	-	-

* Фактическая стоимость зависит от итогового вывода.

GEMINI 3.8 FLASH TTS

Используйте инструкции по стилю для управления эмоциями и подачей в повествовании и диалогах

Gemini 3.8 Flash TTS API для выразительного преобразования текста в речь

Сделайте подачу соответствующей вашему сценарию — от теплого повествования до выразительного диалога персонажей. С Gemini 3.8 Flash TTS на PoYo выбирайте предустановленные голоса и используйте естественный язык для управления эмоциями, темпом и подачей в каждом ходу, создавая более многослойный многоязычный голосовой контент.

Получить API-ключ

Основные возможности Gemini 3.8 Flash TTS API

Напишите слова, задайте подачу и услышьте разницу. Приведенные ниже клипы являются официальными демонстрациями моделей Google, а не примерами, созданными PoYo.

Естественные эмоции за пределами плоского чтения

Один и тот же ответ сервиса может звучать неуверенно, извиняюще или успокаивающе. Gemini 3.8 Flash TTS управляет подачей с помощью инструкций на естественном языке и позволяет добавлять кратковременные вокальные события внутри транскрипта. В официальной демонстрации переход от неуверенного запроса к успокаивающему ответу сопровождается паузами и вздохами, что делает голос ближе к повседневному разговору.

Сохраняйте устойчивую эмоцию и темп в style_instructions
Используйте встроенные события, такие как <sigh> и <short pause>
Выберите один из 30 предустановленных голосов, доступных в PoYo

Управляйте исполнением построчно

Один стиль подачи редко подходит для всей сцены. Отделяйте транскрипт от указаний по исполнению, затем задавайте глобальный или индивидуальный для каждого хода style_instructions, чтобы управлять акцентом, срочностью и темпом. Этот официальный фрагмент сценария демонстрирует, как изменение подачи и реакций в разговоре может создавать напряжение в последовательных репликах.

Отделяйте произносимый текст от инструкций по подаче
Задайте общий стиль или управляйте отдельными ходами
Сохраняйте паузы и реакции там, где они нужны сценарию

Два разных голоса в одном разговоре

Создавайте диалог без ручного объединения каждой произнесённой строки. Настройте ровно двух speakers в speakers с их собственными предустановленными голосами, затем отправьте упорядоченные turns, которые ссылаются на их значения speaker_id. Фрагмент официального чтения по ролям демонстрирует различные голосовые особенности, естественную смену реплик и короткие ответы слушателя в исполненном разговоре.

Настройте два голоса в speakers
Организуйте разговор с помощью упорядоченных turns
Добавьте необязательный style_instructions к каждому шагу

Кому полезен Gemini 3.8 Flash TTS API?

Производители аудиокниг

Задайте повествованию четкое эмоциональное направление и отличительные голоса персонажей. Gemini 3.8 Flash TTS позволяет командам по созданию аудиокниг отделять произносимые text от инструкций по исполнению, а затем повторно использовать предустановленные голоса в рабочем процессе производства.

Команды подкастов

Превратите сценарий для двух человек в разговор с отдельными голосами и упорядоченными turns. Управляйте подачей каждого ведущего с помощью Gemini 3.8 Flash TTS, сохраняя структуру диалога явно указанной в запросе.

Авторы игровых диалогов

Исследуйте взаимодействия персонажей, реакции и темп сцен с помощью предустановленных голосов. Gemini 3.8 Flash TTS поддерживает глобальные и пошаговые инструкции для тестирования диалогов перед их передачей в аудиопроцесс игры.

Команды образования и обучения

Создавайте устные уроки, ролевые упражнения и обучающие материалы с озвучкой. Используйте Gemini 3.8 Flash TTS для управления четкостью и темпом, адаптируя письменные материалы для многоязычного восприятия на слух.

Создатели видео и озвучки

Придайте объяснительным материалам, продуктовым видео и редакционным сценариям подходящий тон. Gemini 3.8 Flash TTS отделяет инструкции по подаче от текста, упрощая управление изменениями озвучки.

Разработчики голосовых приложений

Добавляйте сгенерированное повествование или сценарные диалоги в свой продукт. Интегрируйте Gemini 3.8 Flash TTS через асинхронный интерфейс задач PoYo и получайте аудио после завершения каждой генерации.

Gemini 3.8 Flash TTS против Flash-Lite TTS

Выберите модель для рабочей нагрузки. Flash ориентирована на творческую производительность; Flash-Lite ориентирована на эффективное производство в больших масштабах. Возможности интерфейса ниже отражают текущую серверную часть PoYo, а позиционирование моделей и языковое покрытие соответствуют документации Google.

Возможность	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Фокус модели	Точность передачи голоса, нюансы исполнения и региональная выразительность	Эффективное производство речи с high-объемом
Поддерживаемые языки	130	101
Предустановленные голоса в PoYo	30	30
Ввод для одного и двух дикторов	Поддерживается	Поддерживается
Глобальное и для каждого шага style_instructions	Поддерживается	Поддерживается
Интеграция с PoYo	Асинхронные задачи с возможностью использования обратных вызовов	Асинхронные задачи с возможностью использования обратных вызовов
Типичная нагрузка	Аудиокниги, дикторская озвучка и выразительные диалоги	Функции чтения текста вслух и массовая обработка задач синтеза речи

Здесь сравниваются две разные модели. Это сравнение не подразумевает каких-либо результатов тестирования задержки на PoYo. Ни один из этих эндпоинтов PoYo не предоставляет доступ к разработке голосов Google, клонированию голосов или расширенной библиотеке голосов.

Как использовать Gemini 3.8 Flash TTS API на PoYo

Шаг 1: Зарегистрируйтесь и создайте API-ключ.
Войдите в PoYo и создайте ключ для своего приложения.
Создать API-ключ →

Шаг 2: Пополните баланс.
Пополните баланс и ознакомьтесь с таблицей цен на модели. Текст расшифровки и все инструкции style_instructions учитываются при расчёте использования.
Пополнить баланс →

Шаг 3: Отправьте сценарий.
Передайте model: gemini-3.8-flash-tts с текстом для одного говорящего либо со структурированными данными о говорящих и репликах в POST /api/generate/submit. Проверяйте состояние возвращённой задачи task_id или укажите callback_url, чтобы получать уведомления о завершении.
Посмотреть документацию API →

Часто задаваемые вопросы о Gemini 3.8 Flash TTS API

Что такое Gemini 3.8 Flash TTS API?

Gemini 3.8 Flash TTS — это творческая модель Google для преобразования текста в речь, предназначенная для выразительной дикторской озвучки и диалогов. PoYo предоставляет асинхронный доступ к API с использованием 30 предустановленных голосов, отдельных инструкций по стилю и структурированных диалогов между двумя говорящими. Отправьте сценарий с идентификатором модели gemini-3.8-flash-tts и получите сгенерированное аудио после завершения задачи.

Как рассчитывается использование на PoYo?

Объём использования пропорционален количеству оплачиваемых символов; применяется тариф, указанный в таблице цен выше. В расчёт входят текст расшифровки, глобальные инструкции style_instructions, а также текст и инструкции style_instructions каждого хода диалога. Пробелы, переносы строк, эмодзи и теги вокальных событий учитываются; идентификаторы говорящих не учитываются. Количество символов в запросах не округляется вверх до блоков по 1 000 символов.

Какие голоса я могу использовать?

Текущий эндпоинт PoYo поддерживает 30 предустановленных голосов, включая Kore, Puck, Charon и Zephyr. Для запросов с одним диктором по умолчанию используется Kore. Каждый из двух дикторов в режиме диалога выбирает один из тех же предустановленных голосов. Создание пользовательских голосов, репликация голосов и расширенная библиотека голосов через этот эндпоинт недоступны.

Как создать разговор с двумя дикторами?

Укажите ровно двух дикторов, каждый с уникальным speaker_id и поддерживаемым голосом. Затем добавьте как минимум один элемент в turns с speaker_id и непустым текстом. При необходимости добавьте per-turn style_instructions. В запросах диалога не указываются верхнеуровневые text и voice, поскольку они относятся к режиму одного диктора.

Где следует размещать инструкции об эмоциях и актёрской подаче?

Сохраняйте требования к постоянной манере подачи в global или per-turn style_instructions, а text должен содержать только произносимое содержимое. Моментальные вокальные события можно добавлять в транскрипт с помощью тегов, таких как <laugh>, <sigh> или <short pause>, сохраняя чёткое разделение между инструкциями по подаче и произносимым содержимым.

Сколько языков поддерживается?

Google указывает поддержку 130 языков для Gemini 3.8 Flash TTS по сравнению со 101 для Flash-Lite TTS. Язык определяется по транскрипту, поэтому текущий эндпоинт PoYo не предоставляет селектор language_code. Выберите поддерживаемый предустановленный голос и напишите сценарий на нужном вам языке.

Как получить сгенерированный аудиофайл?

После отправки возвращается task_id. Запрашивайте существующий эндпоинт статуса, пока задача не будет finished или failed, либо укажите необязательный callback_url. Завершённые файлы возвращаются в data.files. Playground позволяет воспроизводить поддерживаемое аудио и скачивать исходный файл. Эта интеграция PoYo использует асинхронные задачи вместо потоковой передачи аудио.

Созданы ли демонстрационные фрагменты функций на PoYo?

Нет. Это фрагменты из официальных демонстраций Gemini 3.8 Flash TTS от Google. Они демонстрируют соответствующие возможности модели, а их источники записаны в манифесте ресурсов. Примеры результатов, созданные PoYo, будут добавлены после отдельной реальной генерации и проверки.

Почему стоит использовать PoYo для доступа к Gemini 3.8 Flash TTS API

Один знакомый API

Используйте существующий ключ PoYo и интерфейс задач генерации для интеграции речи наряду с другими поддерживаемыми моделями, с единым конвертом запроса и рабочим процессом управления статусом задач.

Использование, которое можно проверить

Просматривайте ставку модели на основе количества символов и оценивайте использование перед отправкой. Текст транскрипта и указания по стилю используют один документированный расчёт без округления блоками по 1,000 символов.

Протестируйте перед интеграцией

Изучайте сценарии с одним диктором и диалоги с двумя дикторами в Playground. Переключайтесь между полями формы и JSON, чтобы проверить тот же запрос, который вы будете использовать в своём приложении.

Подстройте под рабочий процесс приложения

Отслеживайте генерацию с помощью идентификаторов задач и опроса статуса или укажите URL обратного вызова. Получайте готовые аудиофайлы, когда они будут доступны, и отделяйте генерацию от обработки запросов вашего приложения.