gemini-3.8-flash-tts

Text to Speech

Gemini 3.8 Flash TTS kết hợp chỉ dẫn bằng ngôn ngữ tự nhiên với giọng nói giàu biểu cảm, cho phép bạn định hình cảm xúc, nhịp độ và cách thể hiện của từng lượt thoại. Trên PoYo, hãy chọn từ 30 giọng nói cài sẵn và tạo lời dẫn hoặc cuộc trò chuyện hai người nói bằng 130 ngôn ngữ, mang đến nhiều sắc thái giọng nói hơn cho câu chuyện âm thanh, bài học và hội thoại nhân vật.

Nhận APIKey

API Doc

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

Ví dụ về kết quả

Đây là dữ liệu mẫu. Tạo ra một kết quả mới để xem sản lượng thực.

ID nhiệm vụ:example-gemini-3-8-flash-tts-defaultĐược tạo ra:2026-10-14T11:11:41

Trạng thái:finishedTiến bộ:100%

Examples

Chi tiết về giá

Giá cả minh bạch mà không có phí ẩn. Chọn tiền đi.

gemini-3.8-flash-tts

Text and style instructions

Giá PoYo

$0.045

9 tín dụng

Giá chính thức

Anh cứu

Mô hình	Tác phẩm đặc trưng	Giá PoYo	Giá chính thức	Anh cứu
gemini-3.8-flash-tts	Text and style instructions	$0.045 9 tín dụng per 1000 characters	-	-

* Các khoản phí thực tế được dựa trên kết quả cuối cùng.

GEMINI 3.8 FLASH TTS

Sử dụng hướng dẫn phong cách để kiểm soát cảm xúc và cách thể hiện cho lời dẫn và đối thoại

API Gemini 3.8 Flash TTS cho Chuyển văn bản thành giọng nói giàu biểu cảm

Điều chỉnh cách thể hiện phù hợp với kịch bản của bạn, từ lời dẫn ấm áp đến đối thoại nhân vật giàu biểu cảm. Với Gemini 3.8 Flash TTS trên PoYo, hãy chọn giọng nói cài sẵn và sử dụng ngôn ngữ tự nhiên để định hướng cảm xúc, nhịp độ và cách thể hiện theo từng lượt thoại, tạo ra nội dung giọng nói đa ngôn ngữ nhiều lớp hơn.

Nhận khóa API

Tính năng chính của Gemini 3.8 Flash TTS API

Viết lời thoại, định hướng cách thể hiện và cảm nhận sự khác biệt. Các đoạn âm thanh bên dưới là bản minh họa mô hình chính thức của Google, không phải ví dụ do PoYo tạo ra.

Cảm xúc tự nhiên vượt xa cách đọc phẳng

Cùng một phản hồi dịch vụ có thể mang âm sắc do dự, xin lỗi hoặc trấn an. Gemini 3.8 Flash TTS điều khiển cách truyền đạt thông qua các hướng dẫn bằng ngôn ngữ tự nhiên và cho phép thêm các sự kiện giọng nói nhất thời vào bên trong bản chép lời. Bản trình diễn chính thức cho thấy quá trình chuyển từ một câu hỏi do dự sang một câu trả lời trấn an, với các khoảng dừng và tiếng thở dài giúp giọng nói gần với cuộc trò chuyện hằng ngày hơn.

Duy trì cảm xúc và nhịp điệu ổn định trong style_instructions
Sử dụng các sự kiện nội tuyến như <sigh> và <short pause>
Chọn từ 30 giọng nói cài sẵn được cung cấp trên PoYo

Điều khiển hiệu suất theo từng dòng

Một phong cách thể hiện hiếm khi phù hợp với toàn bộ một cảnh. Giữ văn bản chép lời tách biệt với các chỉ dẫn diễn xuất, sau đó đặt style_instructions toàn cục hoặc cho từng lượt để hướng dẫn điểm nhấn, mức độ khẩn cấp và nhịp độ. Trích đoạn kịch bản chính thức này minh họa cách thay đổi cách thể hiện và phản ứng hội thoại có thể tạo dựng sự căng thẳng qua các dòng liên tiếp.

Tách văn bản được nói khỏi hướng dẫn thể hiện
Đặt một phong cách chung hoặc điều khiển từng lượt riêng lẻ
Giữ lại các khoảng dừng và phản ứng ở những nơi kịch bản cần chúng

Hai giọng nói riêng biệt trong một cuộc trò chuyện

Xây dựng một đoạn hội thoại mà không cần ghép thủ công từng dòng thoại. Cấu hình chính xác hai người nói trong speakers với các giọng nói cài sẵn riêng, sau đó gửi các turns theo thứ tự tham chiếu đến giá trị speaker_id của họ. Trích đoạn đọc kịch bản chính thức minh họa các đặc điểm giọng nói riêng biệt, lượt nói tự nhiên và phản hồi ngắn của người nghe trong một cuộc trò chuyện được trình diễn.

Cấu hình hai giọng nói trong speakers
Sắp xếp cuộc trò chuyện bằng các turns theo thứ tự
Thêm style_instructions tùy chọn vào mỗi lượt

Ai có thể hưởng lợi từ Gemini 3.8 Flash TTS API?

Nhà sản xuất sách nói

Cung cấp cho phần tường thuật định hướng cảm xúc rõ ràng và giọng nói nhân vật riêng biệt. Gemini 3.8 Flash TTS cho phép các nhóm sản xuất sách nói tách biệt văn bản được đọc khỏi hướng dẫn trình diễn, sau đó tái sử dụng giọng nói cài đặt sẵn trong quy trình sản xuất của họ.

Đội ngũ Podcast

Biến kịch bản hai người thành một cuộc hội thoại với các giọng nói riêng biệt và lượt nói theo thứ tự. Điều hướng cách thể hiện của từng người dẫn chương trình bằng Gemini 3.8 Flash TTS trong khi vẫn giữ cấu trúc hội thoại rõ ràng trong yêu cầu.

Người viết hội thoại trò chơi

Khám phá tương tác nhân vật, phản ứng và nhịp độ cảnh với các giọng nói cài đặt sẵn. Gemini 3.8 Flash TTS hỗ trợ định hướng toàn cục và theo từng lượt để kiểm thử hội thoại trước khi đưa vào quy trình âm thanh của trò chơi.

Đội ngũ Giáo dục và Đào tạo

Tạo các bài học bằng giọng nói, bài tập nhập vai và tài liệu đào tạo có lời tường thuật. Sử dụng Gemini 3.8 Flash TTS để định hướng độ rõ ràng và nhịp điệu trong khi điều chỉnh tài liệu viết cho trải nghiệm nghe đa ngôn ngữ.

Nhà sáng tạo Video và Lồng tiếng

Cung cấp cho video giải thích, video sản phẩm và kịch bản biên tập một tông giọng phù hợp. Gemini 3.8 Flash TTS giữ hướng dẫn thể hiện tách biệt khỏi nội dung lời thoại, giúp việc chỉnh sửa lồng tiếng dễ quản lý hơn.

Nhà phát triển ứng dụng giọng nói

Thêm lời tường thuật được tạo hoặc các cuộc hội thoại theo kịch bản vào sản phẩm của bạn. Tích hợp Gemini 3.8 Flash TTS thông qua giao diện tác vụ bất đồng bộ của PoYo và truy xuất âm thanh khi mỗi lần tạo hoàn tất.

Gemini 3.8 Flash TTS so với Flash-Lite TTS

Chọn mô hình phù hợp với khối lượng công việc. Flash tập trung vào hiệu suất sáng tạo; Flash-Lite tập trung vào khả năng sản xuất hiệu quả ở quy mô lớn. Các khả năng giao diện bên dưới phản ánh hệ thống backend hiện tại của PoYo, trong khi định vị mô hình và phạm vi ngôn ngữ tuân theo tài liệu của Google.

Khả năng	Gemini 3.8 Flash TTS	Gemini 3.8 Flash-Lite TTS
Trọng tâm mô hình	Độ trung thực giọng nói, sắc thái diễn xuất và biểu đạt theo khu vực	Sản xuất giọng nói hiệu quả với khối lượng lớn
Ngôn ngữ được hỗ trợ	130	101
Giọng nói cài sẵn trên PoYo	30	30
Đầu vào một người nói và hai người nói	Được hỗ trợ	Được hỗ trợ
style_instructions theo toàn cục và từng lượt	Được hỗ trợ	Được hỗ trợ
Tích hợp PoYo	Tác vụ không đồng bộ với callback tùy chọn	Tác vụ không đồng bộ với callback tùy chọn
Khối lượng công việc điển hình	Sách nói, đọc lời dẫn và hội thoại biểu cảm	Tính năng đọc to và quy trình xử lý giọng nói hàng loạt

Phần này so sánh hai mô hình khác nhau. Không có nghĩa là có điểm chuẩn độ trễ của PoYo. Thiết kế giọng nói, sao chép giọng nói và thư viện giọng nói mở rộng của Google không được cung cấp bởi bất kỳ endpoint PoYo nào trong hai endpoint này.

Cách sử dụng Gemini 3.8 Flash TTS API trên PoYo

Bước 1: Đăng ký và tạo khóa API.
Đăng nhập vào PoYo và tạo một khóa cho ứng dụng của bạn.
Tạo khóa API →

Bước 2: Thêm tín dụng.
Nạp số dư của bạn và kiểm tra bảng giá mô hình. Văn bản bản chép lời và tất cả style_instructions đều được tính vào mức sử dụng.
Thêm tín dụng →

Bước 3: Gửi kịch bản của bạn.
Gửi model: gemini-3.8-flash-tts với văn bản một người nói hoặc speakers và turns có cấu trúc tới POST /api/generate/submit. Thăm dò task_id được trả về hoặc cung cấp callback_url để nhận cập nhật hoàn thành.
Xem tài liệu tham khảo API →

Câu hỏi thường gặp về Gemini 3.8 Flash TTS API

Gemini 3.8 Flash TTS API là gì?

Gemini 3.8 Flash TTS là mô hình chuyển văn bản thành giọng nói sáng tạo của Google dành cho đọc lời dẫn và hội thoại biểu cảm. PoYo cung cấp quyền truy cập API không đồng bộ sử dụng 30 giọng nói cài sẵn, hướng dẫn phong cách riêng biệt và các cuộc hội thoại hai người nói có cấu trúc. Gửi kịch bản của bạn với model ID gemini-3.8-flash-tts và lấy âm thanh đã tạo khi tác vụ hoàn tất.

Mức sử dụng được tính như thế nào trên PoYo?

Mức sử dụng tỷ lệ thuận với số ký tự tính phí, sử dụng mức giá trong bảng giá ở trên. Nó bao gồm văn bản bản chép lời, style_instructions toàn cục và văn bản cùng style_instructions của từng turn. Khoảng trắng, dòng mới, emoji và thẻ sự kiện giọng nói được tính; ID người nói thì không. Các yêu cầu không được làm tròn lên thành các khối 1,000 ký tự.

Tôi có thể sử dụng những giọng nói nào?

Điểm cuối PoYo hiện tại hỗ trợ 30 giọng nói đặt trước, bao gồm Kore, Puck, Charon và Zephyr. Các yêu cầu một người nói mặc định sử dụng Kore. Mỗi trong hai người nói ở chế độ hội thoại sẽ chọn một trong cùng các cài đặt trước đó. Việc tạo giọng nói tùy chỉnh, sao chép giọng nói và thư viện giọng nói mở rộng không khả dụng thông qua điểm cuối này.

Làm cách nào để tạo một cuộc hội thoại hai người nói?

Cung cấp chính xác hai người nói, mỗi người có một speaker_id duy nhất và một giọng nói được hỗ trợ. Sau đó cung cấp ít nhất một mục trong turns với speaker_id và văn bản không để trống. Thêm style_instructions cho từng lượt khi cần. Các yêu cầu hội thoại bỏ qua text và voice ở cấp cao nhất, vì chúng thuộc về chế độ một người nói.

Tôi nên đặt hướng dẫn về cảm xúc và diễn xuất ở đâu?

Duy trì các yêu cầu về cách truyền tải kéo dài trong global hoặc per-turn style_instructions, trong khi text chỉ chứa nội dung cần được nói. Các sự kiện giọng nói tức thời có thể được thêm vào bản ghi bằng các thẻ như <laugh>, <sigh> hoặc <short pause>, giữ cho hướng dẫn truyền tải và nội dung lời nói được tách biệt rõ ràng.

Có bao nhiêu ngôn ngữ được hỗ trợ?

Google công bố 130 ngôn ngữ cho Gemini 3.8 Flash TTS, so với 101 ngôn ngữ cho Flash-Lite TTS. Ngôn ngữ được phát hiện từ bản ghi, vì vậy điểm cuối PoYo hiện tại không cung cấp bộ chọn language_code. Chọn một cài đặt trước được hỗ trợ và viết kịch bản bằng ngôn ngữ bạn cần.

Làm cách nào để nhận âm thanh đã tạo?

Việc gửi trả về một task_id. Truy vấn điểm cuối trạng thái hiện có cho đến khi tác vụ finished hoặc failed, hoặc cung cấp một callback_url tùy chọn. Các tệp đã hoàn thành được trả về trong data.files. Playground cho phép bạn phát âm thanh được hỗ trợ và tải xuống tệp gốc. Tích hợp PoYo này sử dụng các tác vụ bất đồng bộ thay vì phát trực tuyến âm thanh.

Các đoạn clip tính năng có được tạo trên PoYo không?

Không. Chúng là các đoạn trích từ các bản trình diễn Gemini 3.8 Flash TTS chính thức của Google. Chúng minh họa các khả năng tương ứng của mô hình và nguồn của chúng được ghi lại trong asset manifest. Các đầu ra ví dụ được tạo bởi PoYo sẽ được thêm vào sau khi thực hiện việc tạo thực tế và xác minh riêng biệt.

Tại sao nên sử dụng PoYo để truy cập Gemini 3.8 Flash TTS API

Một API quen thuộc

Sử dụng khóa hiện có và giao diện tác vụ tạo của PoYo để tích hợp giọng nói cùng với các mô hình được hỗ trợ khác, với một request envelope nhất quán và quy trình làm việc trạng thái tác vụ.

Bạn có thể kiểm tra mức sử dụng

Xem mức phí dựa trên ký tự của mô hình và ước tính mức sử dụng trước khi gửi. Văn bản bản ghi và hướng dẫn phong cách dùng chung một cách tính toán được công bố, không làm tròn theo từng khối 1.000 ký tự.

Kiểm tra trước khi tích hợp

Khám phá các kịch bản một người nói và hội thoại hai người nói trong Playground. Chuyển đổi giữa biểu mẫu nhập liệu và JSON để kiểm tra cùng một yêu cầu mà bạn sẽ sử dụng trong ứng dụng của mình.

Phù hợp với quy trình làm việc của ứng dụng

Theo dõi quá trình tạo bằng ID tác vụ và kiểm tra trạng thái định kỳ, hoặc cung cấp URL callback. Lấy các tệp âm thanh đã hoàn tất khi sẵn sàng và giữ quá trình tạo tách biệt với việc xử lý yêu cầu của ứng dụng.