Google: Gemini 3.8 Flash TTS

Google: Gemini 3.8 Flash TTS ist ein Text zu Sprache Modell von Google und der Nachfolger von Gemini 3.1 Flash TTS Preview. Es gehört zur Creative Tier der 3.8 TTS Familie, was bedeutet, dass Google es für ausdrucksstarke Sprachgenerierung positioniert und nicht für Transkription oder allgemeine Textarbeit. Wenn Sie bereits andere Google Modelle über api14 routen, erweitert dieses Modell dieselbe Provider Beziehung auf Audioausgabe.

Das Modell nimmt Text als einzige Eingabe und erzeugt Sprache als einzige Ausgabe. Es hat ein Kontextfenster von 32.768 Tokens und eine maximale Ausgabe von 16.384, sodass Sie recht lange Skripte in einer einzigen Anfrage senden und ein entsprechend langes gesprochenes Ergebnis erhalten können. Dreißig Stimmen sind verfügbar: Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callirrhoe, Autonoe, Enceladus, Iapetus, Umbriel, Algieba, Despina, Erinome, Algenib, Rasalgethi, Laomedeia, Achernar, Alnilam, Schedar, Gacrux, Pulcherrima, Achird, Zubenelgenubi, Vindemiatrix, Sadachbia, Sadaltager und Sulafat. Diese Bandbreite ermöglicht es Ihnen, verschiedene Sprecher für verschiedene Teile eines Projekts zu besetzen, ohne das Modell zu wechseln.

Da die Eingabe Text und die Ausgabe Sprache ist, passen Narration, Voiceover, Dialoge für Spiele oder Video, Lesen im Hörbuchstil und gesprochene Versionen geschriebener Inhalte wie Artikel oder Dokumentation am besten. Das große Kontextfenster hilft, wenn ein einzelnes Stück Inhalt über viele Absätze hinweg konsistent vorgetragen werden muss, da Sie das gesamte Skript übergeben können, statt viele kurze Clips aneinanderzureihen. Die Stimmenliste macht es zudem praktikabel, jeder Figur oder jedem Abschnitt eine eigene Stimme zuzuweisen.

Sie rufen es über die OpenAI kompatible API von api14 mit der Modell ID "google/gemini-3.8-flash-tts" auf. Die Anfrageform folgt demselben Muster wie bei anderen Modellen auf dem Gateway, sodass bestehende OpenAI Client Bibliotheken ohne spezielle Behandlung funktionieren. Beachten Sie, dass dieses Modell keine unterstützten Parameter auflistet, planen Sie also damit, die Modell ID plus Ihren Eingabetext und die Stimmenauswahl zu senden, statt sich auf Stellschrauben wie temperature oder top_p zu verlassen. Prüfen Sie die aktuelle Preistabelle auf der Seite auf aktuelle Tarife, bevor Sie sich auf eine Workload festlegen.

Ein Punkt, den Sie abwägen sollten, ist der Umfang. Dieses Modell akzeptiert nur Text und gibt nur Sprache zurück, es hilft also nicht bei Bild, Audio oder Dokumenteingaben und kann keine geschriebene Ausgabe erzeugen. Wenn Ihre Aufgabe Transkription, Übersetzung oder allgemeine Textgenerierung ist, passt ein Textmodell besser. Verwenden Sie Gemini 3.8 Flash TTS, wenn das Ergebnis Audio ist und Sie eine Auswahl an Stimmen innerhalb einer einzigen Anfrage wünschen.