01
让情绪自然融入每一句话
同一段服务回复，可以迟疑、抱歉，也可以让人安心。Gemini 3.8 Flash TTS 通过自然语言指令控制表达，并允许在正文中加入瞬时发声事件。官方演示从犹豫的查询转向安抚性的答复，停顿和叹气让语音更接近日常交流。
- 在 style_instructions 中描述持续性的情绪与节奏
- 使用 <sigh>、<short pause> 等瞬时发声标签
- 从 PoYo 已开放的 30 种预设音色中选择
gemini-3.8-flash-tts
Text to Speech
查看更多 Google 模型Gemini 3.8 Flash TTS 将自然语言指令与语音演绎结合，可控制情绪、节奏和每轮台词的表达。通过 PoYo 选择 30 种预设音色，创作覆盖 130 种语言的旁白与双人对话，为有声故事、教学问答和角色内容赋予更丰富的声音层次。
Examples
定价详情
透明定价，无隐藏费用。按量付费，用多少付多少。
gemini-3.8-flash-ttsText and style instructions
PoYo价格
$0.045
9 积分
官方价格
-
为你节省
-
| 型号 | 规格 | PoYo价格 | 官方价格 | 为你节省 |
|---|---|---|---|---|
| gemini-3.8-flash-tts | Text and style instructions | $0.045 9 积分 per 1000 characters | - | - |
* 实际费用以最终输出为准。
推荐模型
GEMINI 3.8 FLASH TTS
用风格指令控制情绪与演绎，创作旁白和双人对话
Gemini 3.8 Flash TTS API：富有表现力的 AI 语音合成
从温柔旁白到情绪鲜明的角色对话，让演绎贴合你的脚本。通过 PoYo 使用 Gemini 3.8 Flash TTS，选择预设音色，用自然语言指导情绪、节奏和每轮表达，创作更有层次的多语言语音内容。
Gemini 3.8 Flash TTS API 的核心功能
写下正文，指导演绎，听见表达的变化。以下片段来自 Google 官方模型演示，并非 PoYo 实际生成示例。
02
逐句指导语气、节奏与演绎
一场对话中的每句话，不必使用同一种表达方式。将朗读正文与演绎指令分开，通过全局或逐轮 style_instructions 指导重音、紧迫感和语速。官方剧本片段展示了连续台词中的语气变化与对话反应，如何共同推进场景的紧张感。
- 正文与表达指令分开填写
- 设置全局风格，也可单独指导每个轮次
- 在需要的位置保留停顿与发声反应
03
一次请求，组织两种声音的对话
无需手工拼接每一句台词，即可组织双人对话。为恰好两位说话人配置预设音色，再通过 turns 按顺序提交引用 speaker_id 的台词。官方围读片段展示了两种清晰区分的声音、自然的轮流说话，以及简短的倾听回应。
- 通过 speakers 配置两位说话人的音色
- 使用 turns 安排对话顺序
- 按需为每轮添加 style_instructions
谁能从 Gemini 3.8 Flash TTS API 中受益？
01
有声书制作团队
为旁白设定明确的情感方向，为角色选择不同音色。通过 Gemini 3.8 Flash TTS 将朗读正文与演绎指令分开，方便在制作流程中持续使用相同的预设音色。
02
播客创作者
把双人脚本转化为两种声音的对话。通过 Gemini 3.8 Flash TTS 安排台词顺序，分别指导主持人的表达，同时在请求中清楚保留说话人与轮次关系。
03
游戏对白编剧
使用预设音色探索角色互动、发声反应和场景节奏。通过 Gemini 3.8 Flash TTS 的全局及逐轮指令，在对白进入游戏音频流程前试听不同的表达方式。
04
教育与培训团队
为课程、角色扮演练习和培训材料生成语音。使用 Gemini 3.8 Flash TTS 指导清晰度与节奏，将书面内容转化为适合聆听的多语言学习材料。
05
视频与配音创作者
为讲解视频、产品介绍和内容脚本选择合适的语气。Gemini 3.8 Flash TTS 将表达指令与正文分开，便于调整配音演绎，同时保持脚本内容明确。
06
语音应用开发者
为产品加入生成式旁白或预先编排的对话。通过 PoYo 的异步任务接口接入 Gemini 3.8 Flash TTS，并在每次任务完成后获取对应的音频文件。
Gemini 3.8 Flash TTS 与 Flash-Lite TTS 对比
根据工作负载选择模型：Flash 侧重创作与演绎，Flash-Lite 侧重大规模语音生产的效率。下表接口能力以 PoYo 当前后端为准，模型定位与语言覆盖依据 Google 官方文档。
| 对比维度 | Gemini 3.8 Flash TTS | Gemini 3.8 Flash-Lite TTS |
|---|---|---|
| 模型定位 | 声音保真度、细腻演绎与地域表达 | 高效率、大规模语音生产 |
| 支持语言 | 130 种 | 101 种 |
| PoYo 开放的预设音色 | 30 种 | 30 种 |
| 单人朗读与双人对话 | 支持 | 支持 |
| 全局及逐轮 style_instructions | 支持 | 支持 |
| PoYo 接入方式 | 异步任务，可选回调 | 异步任务，可选回调 |
| 典型工作负载 | 有声书、旁白与富有表现力的对话 | 朗读功能与批量语音流程 |
对比对象为两个不同模型，不代表 PoYo 请求延迟的实测结论。Google 的音色设计、声音复刻和扩展音色库均未通过这两个 PoYo 接口开放。
如何在 PoYo 使用 Gemini 3.8 Flash TTS API
第 1 步：注册并创建 API 密钥。
登录 PoYo，为应用创建接入密钥。
创建 API 密钥 →
第 2 步：充值积分。
补充账户余额并查看上方模型定价表。正文和所有 style_instructions 都会计入使用量。
充值积分 →
第 3 步：提交脚本。
设置 model: gemini-3.8-flash-tts，使用单人正文或结构化 speakers 与 turns，发送到 POST /api/generate/submit。轮询返回的 task_id，或提供 callback_url 接收完成通知。
查看 API 参考 →
Gemini 3.8 Flash TTS API 常见问题
什么是 Gemini 3.8 Flash TTS API？
Gemini 3.8 Flash TTS 是 Google 面向创作的文本转语音模型，可用于富有表现力的旁白和对话。PoYo 提供异步 API 接入，支持 30 种预设音色、独立风格指令和结构化双人对话。使用 gemini-3.8-flash-tts 提交脚本，在任务完成后获取语音。
PoYo 如何计算使用量？
按上方定价表中的费率和计费字符数量比例计算。计费内容包括正文、全局 style_instructions，以及每轮的 text 和 style_instructions。空格、换行、emoji 和发声标签均计费，speaker_id 不计费，也不会将每次请求向上取整为 1,000 字符。
可以使用哪些音色？
当前 PoYo 接口支持 30 种预设音色，包括 Kore、Puck、Charon 和 Zephyr，单人模式默认 Kore。双人对话中的每位说话人也从相同预设中选择。此接口暂未开放自定义音色创建、声音复刻和扩展音色库。
如何创建双人对话？
在 speakers 中提供恰好两位说话人，分别设置唯一的 speaker_id 和支持的 voice。随后在 turns 中添加至少一轮包含 speaker_id 与非空白 text 的台词，按需加入逐轮 style_instructions。双人请求中不填写顶层 text 或 voice。
情绪与演绎指令应该放在哪里？
持续性的表达要求放在全局或逐轮 style_instructions 中，text 仅放需要朗读的内容。瞬时发声事件可以在正文中使用 <laugh>、<sigh> 或 <short pause> 等标签，让演绎指令与正文保持清晰区分。
支持多少种语言？
Google 官方文档列出 Gemini 3.8 Flash TTS 支持 130 种语言，Flash-Lite TTS 为 101 种。模型根据正文自动识别语言，当前 PoYo 接口不提供 language_code 选择器。选择预设音色，并使用需要的语言编写正文即可。
如何获取生成的音频？
提交后会返回 task_id，可通过现有状态接口查询至 finished 或 failed，也可提供可选 callback_url。完成后的文件位于 data.files。Playground 支持试听兼容的音频并下载原始文件；PoYo 当前接入使用异步任务，不提供音频流式输出。
Feature 中的演示是在 PoYo 生成的吗？
不是。这些片段来自 Google 官方 Gemini 3.8 Flash TTS 演示，用于展示对应的模型能力，素材来源记录于清单中。PoYo 的实际生成示例会在后续真实生成并核验后单独补充。
为什么通过 PoYo 使用 Gemini 3.8 Flash TTS API
01
熟悉的统一 API
沿用 PoYo 的密钥与生成任务接口，将语音与其他支持的模型接入同一应用，使用一致的请求结构与任务状态流程。
02
清楚了解每次用量
查看按字符计费的费率，并在提交前估算使用量。正文与风格指令采用同一计算规则，不按 1,000 字符区块向上取整。
03
接入前先交互调试
在 Playground 中探索单人脚本和双人对话，切换表单与 JSON，直接查看应用需要提交的请求内容。
04
适配应用任务流程
通过任务 ID 轮询状态，或提供回调地址，在音频就绪后获取文件，让生成任务自然融入应用的异步处理流程。